NVIDIA 的 Skill2Env 把公開 Agent Skills 編譯成 7,971 項終端機任務

NVIDIA 的 Skill2Env 把每項公開 Agent Skill 編譯成可供強化學習使用的可執行終端機任務。Codex 規劃器會讀取 SKILL.md 套件、研究相關公開資源，並把技能拆成多個工作流程。Codex 建立器再為每項任務建立程式化測試，以及取自該技能自身質素準則的行為評分標準。

流程從約 3,400 項爬取的技能產出橫跨 13 個領域的 7,971 項任務，其中軟件工程不足語料庫的四分之一。以 GPT-5.6 Sol 生成這些任務的 API 費用超過 90,000 美元。相關說明見 Skill2Env 論文。

經過 300 步只看結果的強化學習後，Qwen3.8-27B 在 Terminal-Bench 2.1 由 49.4% 升至 54.1%，在其人手核實的保留基準 S2EBench 上，pass@1 由 33.4% 升至 37.7%。把評分標準加入獎勵後，基準提升較小，Terminal-Bench 2.1 只到 50.1%。在提供來源 SKILL.md 的情況下，評審在 73.0% 的任務中偏好評分標準訓練模型的軌跡多於基礎模型，而只看結果的模型則為 54.5%。