Исследователи представляют SkillGym — фреймворк, который преобразует написанные человеком навыки агентов в исполняемые, верифицируемые обучающие среды для агентов на основе больших языковых моделей. Система использует конвейер «навык-задача» для создания конкретных задач и проверки результатов с помощью кодовых чекеров.
- Команда создала и опубликовала 2 756 сред в 12 категориях.
- Они собрали 8 364 успешных траекторий, в среднем по 49 вызовов инструментов и более 60k записанных текстовых токенов.
- Сверхвизуальное дообучение на верифицированных рабочих процессах улучшает Qwen3.5-35B-A3B на 199 очков Elo по GDPval-AA v2.
- Полученный SkillGym-Agent объёмом 35B достигает 51,47% в SkillsBench с помощью навыков, превосходя результаты Claude Sonnet 4.6 и GPT-5.4 Mini.
Этот подход позволяет интернализовать переиспользуемую процедурную компетенцию, позволяя моделям эффективнее решать реальные задачи по сравнению с использованием внешних инструкций во время вывода.