SkillGym 基于技能轨迹微调 Qwen3.5-35B-A3B

一篇论文提出 SkillGym，将人工编写的技能转化为带有基于代码的检查器的 2,756 个训练环境，并基于 8,364 条成功轨迹进行微调。论文为 SkillGym: Internalizing Human Skills into LLMs for Real-World Problem Solving。

微调后，运行于 Claude Code 的 Qwen3.5-35B-A3B 在 Terminal-Bench 2.1 上提高 19.10 分，在技能辅助的 SkillsBench v1.1 上提高 28.13 分，达到 51.47%。论文报告称，该结果高于 Claude Sonnet 4.6 和 GPT-5.4 Mini 的已报告分数。在未加载技能时，训练后的模型胜过在上下文中带有这些技能的基础模型。