研究者らは、人間が記述したエージェントのスキルを実行可能で検証可能なトレーニング環境に変換するフレームワーク「SkillGym」を発表した。このシステムは、スキルからタスクへのパイプラインを活用して具体的なタスクをインスタンス化し、コードベースのチェッカーによって結果を検証する。

  • チームは12のカテゴリにわたって2,756の環境を構築・公開した。
  • 8,364件の成功したトラジェクトリを集め、平均49回のツール呼び出しと60k以上のログ済みテキストトークンを記録した。
  • 検証済みのワークフローに対する教師ありファインチューニングにより、Qwen3.5-35B-A3BのGDPval-AA v2でのEloスコアが199向上した。
  • 生成された35B SkillGym-Agentは、スキル支援型SkillsBenchで51.47%を達成し、Claude Sonnet 4.6およびGPT-5.4 Miniのスコアを上回った。

このアプローチにより、再利用可能な手続的コンピテンシが内部化され、モデルは外部の推論時指示を使用するよりも現実世界の問題をより効果的に解決できるようになる。