SkillGym：将人类技能内化为 LLM 可复用能力的训练框架

SkillGym 是一个把人类编写的智能体技能转化为可执行、可验证训练环境的框架，通过技能转任务流水线、代码检查器验证结果，并发布 2,756 个覆盖 12 个类别的环境。研究团队收集了 8,364 条成功轨迹，平均每个任务包含 49 次工具调用和超过 6 万 token 的日志。在 Claude Code 环境下，对 Qwen3.5-35B-A3B 做监督微调后，GDPval-AA v2 上提升 199 Elo，Terminal-Bench 2.1 提升 19.10 个百分点，SkillsBench v1.1 在有无技能两种设置下分别提升 28.13 和 12.38 分。其 35B 的 SkillGym-Agent 在技能辅助 SkillsBench 上达到 51.47%，超过 Claude Sonnet 4.6、GPT-5.4 Mini 和 DeepSeek V4 Pro 的已报告成绩。