NVIDIA 发布 Skill2Env：将公开 Agent Skills 编译为 RL 环境生成近 8000 条训练任务

NVIDIA 的 Skill2Env 流水线把公开的 Agent Skills 转成可执行终端任务：Codex planner 读取 SKILL.md 并拆分工作流，Codex creator 为每个任务构建程序化测试和行为 rubric。从约 3400 个爬取的 Skills 中产出 7971 条任务，覆盖 13 个领域，软件工程占比不到四分之一，用 GPT-5.6 Sol 生成的 API 花费超过 9 万美元。Qwen3.8-27B 经过 300 步结果导向 RL 训练后，Terminal-Bench 2.1 成绩从 49.4% 提升到 54.1%，S2EBench pass@1 从 33.4% 提升到 37.7%。加入 rubric 奖励在基准上增益较小（Terminal-Bench 2.1 为 50.1%），但人类偏好的模型轨迹占比从 54.5% 升至 73.0%。