أداة SkillOpt من مايكروسوفت تُظهر أن مهارات الوكلاء المُحسّنة تنتقل عبر مقاييس النماذج وبين أدوات Codex وClaude Code

SkillOpt هو محسّن لنطاق النصوص يقوم بتدريب مستند مهارة واحد باللغة الطبيعية بينما يبقى النموذج المستهدف مجمدًا. يقترح نموذج المحسّن تعديلات مقيّدة على المهارة بناءً على عمليات محاكاة مقيّمة، ويقبل جزء احتجاز خارجي التعديلات فقط إذا تحسّنت النتيجة بشكل صارم. الأداة المُصدَّرة هي ملف واحد، best_skill.md. يُظهر النقل عبر النماذج ضمن عائلة GPT-5.4 احتفاظًا مختلطًا: يحتفظ SpreadsheetBench على GPT-5.4-mini بنسبة 82٪ من الكسب داخل النطاق، بينما يحتفظ GPT-5.4-nano بنسبة 16٪ فقط على SpreadsheetBench؛ ويظهر LiveMath على nano احتفاظًا بنسبة 140٪، مما يشير إلى أن بعض الإجراءات مستقلة عن النموذج. يُسفر النقل عبر الأطر باستخدام GPT-5.5 عن أقوى نتيجة: مهارة محسّنة في Codex ترفع أداء Claude Code على SpreadsheetBench من 22.1 إلى 81.8، متجاوزةً نتيجة Claude Code الخاصة داخل النطاق البالغة 80.4. ومع ذلك، يحتفظ نقل LiveMath من Codex إلى Claude Code بنسبة 10٪ فقط من الكسب، مما يشير إلى أن المهارات التي تعتمد على التفكير أقل قابلية للنقل. يُظهر النقل عبر المعايير من OlympiadBench إلى Omni-MATH مكاسب صغيرة ولكنها إيجابية عبر ثلاثة مقاييس نماذج. الآلية التي تتيح النقل هي أن جميع أوضاع التنفيذ تستهلك نفس تنسيق best_skill.md، والطبيعة الإجرائية للمهارة (مثل فحص بنية المصنف) تجعلها قابلة للنقل. تُدفع تكلفة التدريب مرة واحدة دون اتصال، دون أي عبء إضافي في وقت الاستدلال. الأداة قابلة للتدقيق كملف نصي مع سجلات لكل تعديل.