SkillNet: Создание, оценка и объединение навыков искусственного интеллекта
SkillNet: Create, Evaluate, and Connect AI Skills
February 26, 2026
Авторы: Yuan Liang, Ruobin Zhong, Haoming Xu, Chen Jiang, Yi Zhong, Runnan Fang, Jia-Chen Gu, Shumin Deng, Yunzhi Yao, Mengru Wang, Shuofei Qiao, Xin Xu, Tongtong Wu, Kun Wang, Yang Liu, Zhen Bi, Jungang Lou, Yuchen Eleanor Jiang, Hangcheng Zhu, Gang Yu, Haiwen Hong, Longtao Huang, Hui Xue, Chenxi Wang, Yijun Wang, Zifei Shan, Xi Chen, Zhaopeng Tu, Feiyu Xiong, Xin Xie, Peng Zhang, Zhengke Gui, Lei Liang, Jun Zhou, Chiyu Wu, Jin Shang, Yu Gong, Junyu Lin, Changliang Xu, Hongjie Deng, Wen Zhang, Keyan Ding, Qiang Zhang, Fei Huang, Ningyu Zhang, Jeff Z. Pan, Guilin Qi, Haofen Wang, Huajun Chen
cs.AI
Аннотация
Современные ИИ-агенты способны гибко использовать инструменты и выполнять сложные задачи, однако их долгосрочное развитие сдерживается отсутствием систематического накопления и передачи навыков. Без единого механизма консолидации навыков агенты постоянно «изобретают велосипед», заново находя решения в изолированных контекстах, не используя предыдущие стратегии. Чтобы преодолеть это ограничение, мы представляем SkillNet — открытую инфраструктуру, предназначенную для масштабируемого создания, оценки и организации навыков ИИ. SkillNet структурирует навыки в рамках единой онтологии, которая поддерживает создание навыков из гетерогенных источников, установление богатых реляционных связей и многомерную оценку по параметрам Безопасности, Полноты, Исполняемости, Поддерживаемости и Учета затрат. Наша инфраструктура интегрирует репозиторий из более чем 200 000 навыков, интерактивную платформу и универсальный инструментарий Python. Экспериментальные оценки на ALFWorld, WebShop и ScienceWorld демонстрируют, что SkillNet значительно повышает производительность агентов, улучшая среднее вознаграждение на 40% и сокращая шаги выполнения на 30% для нескольких базовых моделей. Формализуя навыки как развивающиеся, композируемые активы, SkillNet создает надежную основу для перехода агентов от преходящего опыта к устойчивому мастерству.
English
Current AI agents can flexibly invoke tools and execute complex tasks, yet their long-term advancement is hindered by the lack of systematic accumulation and transfer of skills. Without a unified mechanism for skill consolidation, agents frequently ``reinvent the wheel'', rediscovering solutions in isolated contexts without leveraging prior strategies. To overcome this limitation, we introduce SkillNet, an open infrastructure designed to create, evaluate, and organize AI skills at scale. SkillNet structures skills within a unified ontology that supports creating skills from heterogeneous sources, establishing rich relational connections, and performing multi-dimensional evaluation across Safety, Completeness, Executability, Maintainability, and Cost-awareness. Our infrastructure integrates a repository of over 200,000 skills, an interactive platform, and a versatile Python toolkit. Experimental evaluations on ALFWorld, WebShop, and ScienceWorld demonstrate that SkillNet significantly enhances agent performance, improving average rewards by 40% and reducing execution steps by 30% across multiple backbone models. By formalizing skills as evolving, composable assets, SkillNet provides a robust foundation for agents to move from transient experience to durable mastery.