SkillGym：用 2,756 个技能环境微调后，Qwen3.5-35B-A3B 在 Terminal-Bench 2.1 提升 19.10 分

一篇新论文提出 SkillGym，把人类撰写的技能文档转化成 2,756 个带代码检查器的训练环境，再用 8,364 条成功轨迹做微调。微调后的 Qwen3.5-35B-A3B 在 Claude Code 中运行时，Terminal-Bench 2.1 提升 19.10 分，SkillsBench v1.1 提升 28.13 分、达到 51.47%，高于 Claude Sonnet 4.6 和 GPT-5.4 Mini 的公开成绩。更有意思的是，不加载技能的微调模型也能赢过把技能放进上下文的基座模型，说明技能可以真正练进权重里。