SkillGym 基於技能軌跡微調 Qwen3.5-35B-A3B

一篇論文提出 SkillGym，將人工編寫的技能轉化為帶有基於程式碼的檢查器的 2,756 個訓練環境，並基於 8,364 條成功軌跡進行微調。論文為 SkillGym: Internalizing Human Skills into LLMs for Real-World Problem Solving。

微調後，運行於 Claude Code 的 Qwen3.5-35B-A3B 在 Terminal-Bench 2.1 上提高 19.10 分，在技能輔助的 SkillsBench v1.1 上提高 28.13 分，達到 51.47%。論文報告稱，該結果高於 Claude Sonnet 4.6 和 GPT-5.4 Mini 的已報告分數。在未載入技能時，訓練後的模型勝過在上下文中帶有這些技能的基礎模型。