SKT：用可验证合成数据训练 Agent 更会用技能

导语

语言模型 Agent 正在从“会回答问题”走向“会调用工具、执行流程、复用经验”。在这个过程中，技能（skill）被视为一种可复用的程序性知识：它可能是一段工具调用流程、一组操作规范，或某类任务的解决步骤。但一个现实问题是，拥有技能库并不等于会用技能。模型需要判断当前任务适合哪些技能，如何按顺序调用，多个技能之间如何配合，以及执行失败时如何修正。

Hugging Face Daily Papers 收录的论文《SKT: Skill-Use Training at Scale via Verified Synthetic Data Generation》正是围绕这个痛点展开。作者提出 SKT，一条基于可验证合成数据的大规模技能使用训练流水线，希望用自动生成且经过验证的任务轨迹，提升 Agent 的技能使用能力。

核心要点

• 目标从“提供技能”转向“训练用技能”：论文强调，仅把技能交给 Agent 并不能保证模型能正确识别、应用和协调它们。SKT 的重点是生成能教会模型使用技能的监督数据。
• 面向单技能与多技能任务：SKT 会从技能集合中选择合适的单技能或多技能配置，再围绕这些配置合成任务，使数据覆盖不同复杂度的技能使用场景。
• 引入验证与反馈修复：任务和轨迹不是生成后直接保留，而是经过规则验证和基于 Agent 的验证；若不满足要求，还会通过反馈引导修复，最终只保留成功且充分使用每个必需技能的轨迹。
• 规模化数据产出：基于 2,000 个公开技能，SKT 生成了 4,000 个任务包和 27,164 条经验证的执行轨迹。
• 配套评测 SkillEval：研究还基于同一流程、但使用互不重叠的测试池，构建了 SkillEval，用于评估模型在可执行环境中的技能使用能力。

意义与影响

这项工作的价值在于，它把 Agent 训练中的一个关键瓶颈具体化为“高质量技能使用轨迹”的构造问题。过去，技能库、工具库和插件生态往往更关注能力供给；但在真实任务中，Agent 失败经常不是因为没有工具，而是因为不会选、不会连、不会稳定执行。SKT 通过“合成—验证—修复—筛选”的流程，为这类能力提供了更系统的训练信号。

实验结果显示，在 SKT 生成的轨迹上进行监督微调，可以在不同模型、基准和 Agent harness 中持续改善技能使用表现。消融实验也表明，收益依赖于高质量验证；跨 harness 评测说明改进并不局限于单一 Agent 接口；扩展实验则显示，更广的技能覆盖会带来更好的提升空间。

当然，论文摘要层面能看到的是方法框架和总体结论，具体泛化边界仍取决于技能来源、验证器质量、任务分布和执行环境。但就方向而言，SKT 提示了一个重要趋势：未来 Agent 的进步不只是接入更多工具，还需要大规模、可执行、可验证的“用工具经验”来训练。对构建可靠 Agent 系统的团队来说，这比单纯堆叠技能库更接近工程落地的核心问题。

来源：Hugging Face Daily Papers