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

Codex 規劃器與建立器把每項技能轉成經過測試的終端機工作流程，評分標準取自該技能本身的質素準則。只看結果的強化學習把 Qwen3.8-27B 在 Terminal-Bench 2.1 的表現由 49.4% 提升至 54.1%；加入評分標準後則達 50.1%，但在軌跡比較中勝出更多。

Language: zh-HK
Time zone: Asia/Hong_Kong
Current time (UTC, cached as of): 2026-11-10T07:42:00.000Z
Query date (Asia/Hong_Kong): 2026-11-10

HTML: https://didcodexreset.com/zh-hk/news/ad2ab417d6a84d5bad5e4ed6.html

Content language: zh-HK
Localization state: translated

來源：DAIR.AI · 發布於 24/9/2026 04:44:25

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](https://github.com/NVlabs/Skill2Env/blob/main/paper/Skill2Env_arXiv.pdf)。

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%。

Tags: Skill2Env, NVIDIA, Agent Skills, 強化學習, Qwen

[查看主帖原文](https://x.com/dair_ai/status/2102857541776707799)