Microsofts SkillOpt zeigt, dass optimierte Agent-Fähigkeits-Artefakte über Modellgrößen hinweg und zwischen Codex- und Claude-Code-Umgebungen übertragbar sind

SkillOpt ist ein Textraum-Optimierer, der ein einzelnes natürliches Sprachkompetenzdokument trainiert, während das Zielmodell eingefroren bleibt. Ein Optimierungsmodell schlägt begrenzte Änderungen an der Kompetenz vor, basierend auf bewerteten Rollouts, und ein zurückgehaltener Datensatz akzeptiert Änderungen nur, wenn die Bewertung strikt verbessert wird. Das exportierte Artefakt ist eine einzelne Datei, best_skill.md. Die modellübergreifende Übertragung innerhalb der GPT-5.4-Familie zeigt gemischte Beibehaltung: SpreadsheetBench auf GPT-5.4-mini behält 82 % des domänenspezifischen Gewinns, während GPT-5.4-nano nur 16 % auf SpreadsheetBench behält; LiveMath auf nano zeigt 140 % Beibehaltung, was darauf hindeutet, dass einige Verfahren modellunabhängig sind. Die übergreifende Übertragung mit GPT-5.5 liefert das stärkste Ergebnis: Eine in Codex optimierte Kompetenz hebt Claude Code auf SpreadsheetBench von 22,1 auf 81,8, was den eigenen domänenspezifischen Wert von 80,4 übertrifft. Die Übertragung von LiveMath von Codex auf Claude Code behält jedoch nur 10 % des Gewinns, was darauf hindeutet, dass reasoning-intensive Kompetenzen weniger portabel sind. Die übergreifende Übertragung von OlympiadBench auf Omni-MATH zeigt kleine, aber positive Gewinne über drei Modellskalen. Der Mechanismus, der die Übertragung ermöglicht, besteht darin, dass alle Ausführungsmodi dasselbe best_skill.md-Format verwenden, und der prozedurale Charakter der Kompetenz (z. B. Arbeitsmappenstrukturprüfung) sie portabel macht. Die Trainingskosten fallen einmalig offline an, ohne Overhead zur Inferenzzeit. Das Artefakt ist als Textdatei mit Änderungsprotokollen pro Bearbeitung prüfbar.