@billxbf: 今天我们把Superintelligence还给它的所有者。介绍Skill2Env，最对齐且多样化的数据集，以驱动…

今天，我们将超级智能归还其所有者。
隆重推出 Skill2Env 🎉 —— 为现代智能体强化学习提供最对齐且最多样的数据集。🧵

(1/5) 一年内，开放社区已贡献了数千项公开的智能体技能，将领域专长与理想行为模式广泛打包——形成了一个由集体人类兴趣与价值观所定义的分布。

(2/5) 我们抓取了这些由领域专家公开分享的技能，并开发了一套流程，将每项技能转化为多项可验证的强化学习数据与环境。所生成的任务在真实环境中运行，如GitHub仓库、论文、数据库和各类制品。每个任务都包含一组程序化测试，以及源自技能的定性对齐评估标准。

(3/5) 我们基于Qwen3.8-27b模型运行了DPPO变体300步。效果超出预期——我们在公开的TerminalBench2.1和私有的S2EBench（一个手工验证的保留集，继承了Skill2Env的全部多样性）上均观察到提升。这一努力进一步缩小了本地与云端大语言模型在强大（最强）27B模型上的差距。

(4/5) 训练基础设施是主要挑战。我们重建了基础设施，整合了前期工作的创新：Molt控制训练循环，Polar在沙箱内控制任意框架的 rollout 与评分，vLLM作为推理引擎，并通过Ray进行分布式资源管理。

(5/5) 开放AI的道路在于，针对公众自身定义的、人类兴趣与价值观的分布进行优化。

🌊 数据集：https://hub.harborframework.com/datasets/skill2env/skill2env…
💻 仓库：https://github.com/NVlabs/Skill2Env…
📜 论文：https://github.com/NVlabs/Skill2Env/blob/main/paper/Skill2Env_arXiv.pdf…
🔳 强化学习基础设施（供参考）：https://github.com/billxbf/Linex