主要来源shao__meng
查看原文事件专题 ·多源确认
NVIDIA 发布 Skill2Env：把社区 Agent Skills 编译成 RL 训练环境
NVIDIA 研究团队发布开源项目 Skill2Env，将 3.4k 个公开 Agent Skills 编译成 7,971 个带程序化测试和行为量规的终端任务，生成成本超 9 万美元。仅 300 步 GRPO 训练后，Qwen3.8-27B 在 Terminal-Bench 2.1 上从 49.4 提升到 54.1，私有基准 S2EBench pass@1 也提高 4.3。流水线分 Plan、Diversify、Create、Verify 四阶段，验证采用 Oracle 全满分、NOP 全零分的双重门槛。论文还给出一个负结果：加入量规校准奖励的版本在 TB 2.1 上只有 50.1，落后于纯结果奖励版本。
当前结论
NVIDIA 把社区写的 3.4k 个 Agent Skills 直接变成 RL 训练环境，300 步就把 Qwen 27B 在 Terminal-Bench 上拉高近 5 个点，流水线和负结果都写得很细，做 agent 训练的值得看看仓库。
4 个信源79° AI 热度最后更新 2026/9/28 02:45:06
证据链
4 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。