跳到主要内容
检索

# SkillGym

2 篇关联报道

订阅更新
  1. arXiv

    SkillGym 把 18.4 万个社区技能变成可验证训练环境，9B 微调模型在两个基准上超过 397B 未训练模型

    SkillGym 提出一条自动流水线，从互联网抓取技能并筛选出可离线复现的部分，用 builder-reviewer 智能体系统围绕四种推理结构构造带参考解与可执行验证器的技能关键型任务，再用三个教师模型和四个 agent harness 采集成功轨迹做监督微调，使 2B 到 122B 的六个模型在四个技能使用基准上 24 项比较中 22 项提升，其中 9B 模型在 SkillGym 测试集与 SkillEval 上超过 Qwen3.5-397B-A17B，并把智能体读取相关技能的比例从 28% 提高到 96%。

    Renxi Wang（第一作者）
    SkillGym智能体技能任务合成监督微调大语言模型智能体
  2. arXiv

    SkillGym 把人类技能转成可验证训练环境，让 35B 模型在 SkillsBench 上以 51.47% 超过 Claude Sonnet 4.6 等报告分数

    SkillGym 提出一个把人类编写的 agent 技能转化为可执行、可验证训练环境的框架，通过技能到任务流水线生成具体任务、用代码检查器验证结果并以对比执行衡量技能依赖，构建并发布 12 个类别共 2756 个环境和 8364 条成功轨迹（平均 49 次工具调用、超过 60k 文本 token），支持在已验证工作流上做监督微调与基于结果奖励的强化学习；在 Claude Code 下，监督微调使 Qwen3.5-35B-A3B 在 GDPval-AA v2 上提升 199 Elo、在 Terminal-Bench 2.1 上提升 19.10 个百分点、在 SkillsBench v1.1 上带技能与不带技能分别提升 28.13 和 12.38 个百分点，其 35B 的

    East China Normal University
    Zhilong Ge（第一作者）
    SkillGym智能体技能监督微调强化学习大语言模型

已读完全部报道