Microsoftin SkillOpt osoittaa, että optimoidut agenttitaidon artefaktit siirtyvät mallikokojen välillä sekä Codexin ja Claude Coden valjasten välillä

SkillOpt on tekstiavaruuden optimoija, joka kouluttaa yhden luonnollisen kielen taitodokumentin siten, että kohdemalli pysyy jäädytettynä. Optimointimalli ehdottaa rajattuja muokkauksia taitoon pisteytettyjen testiajojen perusteella, ja erillinen osajoukko hyväksyy muokkaukset vain, jos pisteet paranevat tiukasti. Viety artefakti on yksittäinen tiedosto, best_skill.md. Mallien välinen siirto GPT-5.4-perheessä osoittaa vaihtelevaa säilyvyyttä: SpreadsheetBench GPT-5.4-mini-mallilla säilyttää 82 prosenttia alueen sisäisestä hyödystä, kun taas GPT-5.4-nano säilyttää vain 16 prosenttia SpreadsheetBenchissä; LiveMath nano-mallilla osoittaa 140 prosentin säilyvyyden, mikä viittaa siihen, että jotkin menettelyt ovat malliriippumattomia. Harnessien välinen siirto GPT-5.5:llä tuottaa vahvimman tuloksen: Codexissa optimoitu taito nostaa Claude Coden SpreadsheetBench-tuloksen 22,1:stä 81,8:aan, mikä ylittää Claude Coden oman alueen sisäisen pisteet 80,4. LiveMathin siirto Codexista Claude Codeen säilyttää kuitenkin vain 10 prosenttia hyödystä, mikä viittaa siihen, että päättelypainotteiset taidot ovat vähemmän siirrettäviä. Benchmarkien välinen siirto OlympiadBenchistä Omni-MATHiin osoittaa pieniä mutta positiivisia hyötyjä kolmella mallikoolla. Siirron mahdollistava mekanismi on se, että kaikki suoritustilat käyttävät samaa best_skill.md-muotoa, ja taidon menettelyllinen luonne (esimerkiksi työkirjan rakenteen tarkastelu) tekee siitä siirrettävän. Koulutuskustannus maksetaan kerran offline-tilassa, eikä se aiheuta päätöksentekovaiheen ylimääräistä kuormitusta. Artefakti on tarkastettavissa tekstitiedostona, jossa on muokkauskohtaiset lokit.