论文页面 - SkillGym：通过自动生成可验证环境来训练技能使用型智能体

来源：https://huggingface.co/papers/2609.37539

摘要

技能（Skill）能够为 LLM 智能体注入专业知识与指导，使其完成长时程且复杂的任务。尽管技能已在近年的智能体范式与框架中被广泛采用，但如何合成可靠的训练数据、以及如何训练智能体以使用技能，仍鲜有人探索。在本工作中，我们提出 SkillGym——一个自动化的流水线，用于构建可验证环境、收集轨迹并训练技能使用型智能体。SkillGym 首先从互联网上抓取大量技能，然后仅保留那些其工作流能够离线可复现地运行的技能。我们采用「构建者-审查者」（builder-reviewer）流水线来构造难度可控的任务，涵盖四类任务，每类任务都配备参考解答与可执行的验证器。借助该流水线，我们构建了 6.8k 个环境，并收集了 19k 条经验证的成功轨迹用于监督微调。在这些轨迹上进行微调，提升了不同系列、不同规模（参数量从 2B 到 122B）的 LLM 在四个技能使用基准上的表现；我们的 Qwen3.5-9B SFT 模型在其中两个基准上超过了 397B 的未训练模型。进一步的分析表明，训练教会了智能体调用技能，将读取相关技能的比例从 28% 提升到 96%；且这些收益在不同推理结构下均能保持，并可推广到在训练数据中占少数的任务类型以及训练中未见过（held-out）的技能上。

查看 arXiv 页面 (https://arxiv.org/abs/2609.37539) 查看 PDF (https://arxiv.org/pdf/2609.37539) GitHub1 (https://github.com/Reason-Wang/SkillGym) 添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2609.37539)

在你的智能体中获取本文：

hf papers read 2609.37539

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型 5

reasonwang/SkillGym-Qwen3.5-9B 文本生成 • 9B • 约 4 小时前更新 • 32 (https://huggingface.co/reasonwang/SkillGym-Qwen3.5-9B)

reasonwang/SkillGym-Qwen3.5-4B 文本生成 • 5B • 约 4 小时前更新 • 2 (https://huggingface.co/reasonwang/SkillGym-Qwen3.5-4B)

reasonwang/SkillGym-Qwen3.5-27B 文本生成 • 3.05M • 约 4 小时前更新 • 2 (https://huggingface.co/reasonwang/SkillGym-Qwen3.5-27B)

reasonwang/SkillGym-Qwen3.5-122B-A10B 文本生成 • 125B • 约 4 小时前更新 • 11 (https://huggingface.co/reasonwang/SkillGym-Qwen3.5-122B-A10B)

浏览引用本文的 5 个模型 (https://huggingface.co/models?other=arxiv:2609.37539)

引用本文的数据集 0

没有数据集链接到本文

在数据集的 README.md 中引用 arxiv.org/abs/2609.37539，即可将其链接到本页面。

引用本文的 Space 0

没有 Space 链接到本文

在 Space 的 README.md 中引用 arxiv.org/abs/2609.37539，即可将其链接到本页面。

包含本文的合集 1