Pesquisadores apresentam o SkillGym, um framework que transforma habilidades de agentes escritas por humanos em ambientes de treinamento executáveis e verificáveis para agentes de modelos de linguagem grandes. O sistema utiliza um pipeline de habilidade para tarefa para instanciar tarefas concretas e verificar resultados com verificadores baseados em código.
- A equipe constrói e libera 2.756 ambientes em 12 categorias.
- Eles coletam 8.364 trajetórias bem-sucedidas com média de 49 chamadas de ferramenta e mais de 60k tokens de texto registrados.
- O ajuste fino supervisionado em fluxos de trabalho verificados melhora o Qwen3.5-35B-A3B em 199 Elo no GDPval-AA v2.
- O SkillGym-Agent resultante de 35B atinge 51,47% no SkillsBench assistido por habilidades, superando as pontuações do Claude Sonnet 4.6 e GPT-5.4 Mini.
Esta abordagem permite a internalização de competência procedural reutilizável, permitindo que os modelos resolvam problemas do mundo real de forma mais eficaz do que usando instruções de inferência externas.