# NVIDIA 的 Skill2Env 将公开 Agent Skills 编译为 7,971 项终端任务

Codex 规划器与创建器将每项技能转化为经过测试的终端工作流，评分标准取自该技能自身的质量标准。仅按结果的强化学习使 Qwen3.8-27B 在 Terminal-Bench 2.1 上从 49.4% 提升至 54.1%；加入评分标准后达到 50.1%，但在轨迹比较中胜出更多。

Language: zh-CN
Time zone: Asia/Shanghai
Current time (UTC, cached as of): 2026-11-10T06:09:00.000Z
Query date (Asia/Shanghai): 2026-11-10

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

Content language: zh-CN
Localization state: translated

来源：DAIR.AI · 发布于 2026/9/24 04:44:25

NVIDIA 的 Skill2Env 将每项公开 Agent Skill 编译为可用于强化学习的可执行终端任务。Codex 规划器读取 SKILL.md 包，检索相关公开资料，并将技能拆分为工作流。随后，Codex 创建器为每项任务构建程序化测试，并采用取自该技能自身质量标准的行为评分标准。

流程从约 3,400 项抓取的技能中生成了覆盖 13 个领域的 7,971 项任务，其中软件工程不到语料的四分之一。使用 GPT-5.6 Sol 生成这些任务的 API 费用超过 9 万美元。相关说明见 [Skill2Env 论文](https://github.com/NVlabs/Skill2Env/blob/main/paper/Skill2Env_arXiv.pdf)。

经过 300 步仅按结果的强化学习后，Qwen3.8-27B 在 Terminal-Bench 2.1 上从 49.4% 提升至 54.1%，在其人工核验的留出基准 S2EBench 上的 pass@1 从 33.4% 提升至 37.7%。将评分标准加入奖励后，基准提升更小，Terminal-Bench 2.1 达到 50.1%。在提供源 SKILL.md 的情况下，评判者在 73.0% 的任务上更偏好评分标准训练模型的轨迹，而非基础模型；仅按结果训练的模型这一比例为 54.5%。

Tags: Skill2Env, NVIDIA, Agent Skills, 强化学习, Qwen

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