SkillGym：用 2,756 个技能环境微调后，Qwen3.5-35B-A3B 在 Terminal-Bench 2.1 提升 19.10 分
把技能文档变成 2756 个训练环境直接练进模型权重，微调后的 Qwen3.5-35B-A3B 在终端基准上超过了 Claude Sonnet 4.6，思路很新颖。
一篇新论文提出 SkillGym，把人类撰写的技能文档转化成 2,756 个带代码检查器的训练环境，再用 8,364 条成功轨迹做微调。
微调后的 Qwen3.5-35B-A3B 在 Claude Code 中运行时，Terminal-Bench 2.
1 提升 19.10 分，SkillsBench v1.
1 提升 28.13 分、达到 51.
47%，高于 Claude Sonnet 4.6 和 GPT-5.
4 Mini 的公开成绩。更有意思的是，不加载技能的微调模型也能赢过把技能放进上下文的基座模型，说明技能可以真正练进权重里。
An interesting idea is to continually train specialized models on skills.
This paper explores that idea.
They propose SkillGym which turns human-written skills into 2,756 training environments with code-based checkers, then fine-tunes on 8,364 successful trajectories.
After fine-tuning, Qwen3.5-35B-A3B running in Claude Code gains 19.10 points on Terminal-Bench 2.1 and 28.13 points on skill-assisted SkillsBench v1.1, where it reaches 51.47%.
That is above the reported scores for Claude Sonnet 4.6 and GPT-5.4 Mini.
With no skills loaded, the trained model beats the base model that has the skills in context.
Paper: https://t.co/ubb53Qd1Ms
本条情报归属 AITOP「论文」核心栏目，重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：SkillGym、Qwen3.5、Terminal-Bench、智能体，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「DAIR.AI」（@dair_ai），经 AITOP 多维评分管线结构化提炼。截至目前，全网已有 3 家独立信源对该事件进行交叉印证与跟进报道（含 AIGCLINK、Gorden Sun 等），属于近期高关注度行业信号。
