上海AI实验室论文：用验证过的 Agent 技能运行数据训练模型提升 Agent 能力

上海人工智能实验室的新论文发现，即使没有技能文件，仅靠在经过验证的人类编写智能体技能运行上进行训练，也能让模型成为更好的智能体。

提示词阶段的技能依赖于检索和指令遵循能力，而在经过验证的技能运行上进行微调可以降低这种依赖。

将每个技能文件转化为带有通过/不通过检查器的沙盒任务，由此产生的训练数据使 Claude Code 在 Terminal-Bench 2.1 上的成功率提升了 19.10 个百分点。

技能文件通常放在提示词中，因此只有当智能体找到并遵循它们时才能发挥作用。

SkillGym 将每个技能转化为带有代码检查器的沙盒任务，然后在通过检查的运行上进行训练。

在 Claude Code 中，Qwen3.5-35B-A3B 在 Terminal-Bench 2.1 上从 39.33% 跃升至 58.43%。在没有技能文件的情况下，它在 SkillsBench 上得分为 26.81%，超过了使用技能的基线模型的 23.34%。

在此基础上加载技能仍然有帮助，将其提升至 51.47%。