SkillGym がスキル軌跡で Qwen3.5-35B-A3B をファインチューニング

論文が SkillGym を提案している。人が書いたスキルを、コードベースのチェッカーを備えた 2,756 の訓練環境に変換し、8,364 件の成功軌跡でファインチューニングする。論文は SkillGym: Internalizing Human Skills into LLMs for Real-World Problem Solving。

ファインチューニング後、Claude Code 上で動作する Qwen3.5-35B-A3B は Terminal-Bench 2.1 で 19.10 ポイント、スキル支援の SkillsBench v1.1 で 28.13 ポイント向上し、51.47% に達した。論文は、この結果が Claude Sonnet 4.6 と GPT-5.4 Mini の報告済みスコアを上回ると報告している。スキルを読み込まない場合でも、訓練後のモデルは、スキルをコンテキストに持つベースモデルを上回った。