NVIDIA 发布 Skill2Env：把社区 Agent Skills 编译成 RL 训练环境

NVIDIA 研究团队发布开源项目 Skill2Env，将 3.4k 个公开 Agent Skills 编译成 7,971 个带程序化测试和行为量规的终端任务，生成成本超 9 万美元。仅 300 步 GRPO 训练后，Qwen3.8-27B 在 Terminal-Bench 2.1 上从 49.4 提升到 54.1，私有基准 S2EBench pass@1 也提高 4.3。流水线分 Plan、Diversify、Create、Verify 四阶段，验证采用 Oracle 全满分、NOP 全零分的双重门槛。论文还给出一个负结果：加入量规校准奖励的版本在 TB 2.1 上只有 50.1，落后于纯结果奖励版本。