# SkillGym: Training Skill‑Use Agents with Automatic Verifiable Environment Generation（arXiv:2609.37539）
## 一、文章主要内容
本文针对大模型智能体**技能使用（skill‑use）** 问题展开研究。当前LLM智能体普遍引入外部技能包来处理长时序、复杂任务，但如何构建可靠训练数据、训练智能体学会正确调用外部技能，相关研究尚不充分。
作者提出**SkillGym**，一套全自动流水线，将互联网社区公开的技能素材转化为可验证训练环境，采集交互轨迹，完成技能使用智能体训练。整体流程分为三步：
1. **技能爬取与筛选**：从公开源爬取大量社区技能，过滤保留能够离线稳定复现工作流的有效技能。
2. **构建可控难度任务**：采用`builder‑reviewer`（构建器‑评审器）双智能体流水线，生成覆盖4种推理结构的任务，每个任务配套参考解、可执行验证器。
3. **轨迹采集与微调**：产出6.8k可验证环境，收集19k条成功交互轨迹用于有监督微调SFT。
实验结果：
- 对2B‑122B不同参数量、不同系列大模型微调后，在4个技能使用评测基准上均获得性能提升；9B参数量的Qwen3.5微调模型，在两个基准上超越未训练的397B大模型。
- 行为分析：训练后智能体主动阅读相关技能的比例从**28%提升至96%**；性能增益可以泛化到训练集占比少的任务类型，以及训练中从未见过的陌生技能上。
## 二、核心创新点
1. **技能驱动的自动环境生成范式**：不同于以往从环境/任务出发生成数据，本工作**从已有的社区公开技能出发反向构建任务与可执行环境**，复用互联网大量人类编写的
)
