摘要
SkillForge 是把可验证 skill bank 与多步环境强化学习结合的研究系统，关注技能调用、技能提取和技能修订如何共同影响 Agentic RL。
核心内容
基本信息
- 实体类别：研究方法与训练框架
- 关键名称或版本：arXiv v1
- 时间范围：2026-08-25 至今
重要事实
- 在 ALFWorld、WebShop 和 AppWorld 中用 GRPO 更新策略，rollout outcome 驱动 skill bank 的提取、去重和修订。（来源：SkillForge: Evolving Verifiable Skills for Reinforcement Learning Agents）
- 使用 Qwen 系列模型、VeRL/GRPO 和 H20 GPU；训练配置与消融记录在原始论文中。
关系与影响
连接 Agentic RL 与 Recursive Self-Improvement；可视为有限的模型-skill bank 共进化，但不包含 improver 的递归改进。
相关页面
- 概念：Agentic RL、Recursive Self-Improvement、Self-Improving Harness
- 实体：Recuris、StarHarness
- 主题：LLM Agent Self-Improvement
来源
待核实问题
- 已核实（2026-08-28）：当前仍为 arXiv v1，未发现作者提供的官方代码、checkpoint 或训练数据链接。
- 仍待复现：teacher LLM、retrieval encoder、环境 verifier 和训练规模的独立贡献。