शोधकर्ताओं ने SkillGym पेश किया, एक फ्रेमवर्क जो मानव-लेखित एजेंट कौशल को बड़े भाषा मॉडल एजेंट्स के लिए निष्पादन योग्य और सत्यापन योग्य प्रशिक्षण वातावरणों में परिवर्तित करता है। सिस्टम एक skill-to-task पाइपलाइन का उपयोग करके ठोस कार्यों को तैनात करता है और कोड-आधारित चेकरों के साथ परिणामों की पुष्टि करता है।
- टीम ने 12 श्रेणियों में 2,756 वातावरण बनाए और जारी किए।
- उन्होंने 8,364 सफल ट्राजेक्टरीज एकत्र कीं, जिनमें औसतन 49 टूल कॉल्स और 60k से अधिक लॉग किए गए टेक्स्ट टोकन्स शामिल हैं।
- सत्यापित वर्कफ्लो पर सुपरवाइज्ड फाइन-ट्यूनिंग ने GDPval-AA v2 पर Qwen3.5-35B-A3B में 199 Elo की वृद्धि की।
- परिणामी 35B SkillGym-Agent ने skill-assisted SkillsBench पर 51.47% स्कोर हासिल किया, जो Claude Sonnet 4.6 और GPT-5.4 Mini के स्कोर से अधिक है।
यह दृष्टिकोण पुनः उपयोग योग्य प्रक्रियात्मक कौशल के एकीकरण को सक्षम बनाता है, जिससे मॉडल बाहरी इनफरेंस-टाइम निर्देशों का उपयोग करने की तुलना में वास्तविक दुनिया की समस्याओं का अधिक प्रभावी ढंग से समाधान कर सकते हैं।