NVIDIAのSkill2Env、公開Agent Skillsを7,971件のターミナルタスクにコンパイル
NVIDIAのSkill2Envは、公開された各Agent Skillを強化学習向けの実行可能なターミナルタスクにコンパイルする。CodexのプランナーがSKILL.mdのバンドルを読み、関連する公開資産を調べ、スキルをワークフローに分ける。続いてCodexのクリエイターが、プログラムによるテストと、そのスキル自身の品質基準から取った行動ルーブリックを付けて各タスクを作る。
クロールした約3,400件のスキルから、パイプラインは13分野にわたる7,971件のタスクを生成し、ソフトウェアエンジニアリングはコーパスの4分の1未満だった。GPT-5.6 Solによる生成のAPI利用料は9万ドルを超えた。解説はSkill2Envの論文にある。
結果のみの強化学習を300ステップ行った後、Qwen3.8-27BはTerminal-Bench 2.1で49.4%から54.1%に、人手で検証したホールドアウトベンチマークS2EBenchのpass@1で33.4%から37.7%に向上した。報酬にルーブリックを加えるとベンチマークの伸びは小さく、Terminal-Bench 2.1では50.1%だった。元のSKILL.mdを与えた場合、判定者はルーブリックで学習したモデルの軌跡をベースモデルより73.0%のタスクで選び、結果のみのモデルでは54.5%だった。