SkillOpt : transformer les compétences des agents IA en paramètres entraînables

L'article 'SkillOpt: Executive Strategy for Self-Evolving Agent Skills' de Microsoft Research redéfinit l'édition des compétences d'un agent comme un processus d'entraînement. SkillOpt traite le fichier de compétence comme un paramètre entraînable en dehors d'un modèle cible figé, en utilisant un cycle aller-retour-mise à jour dans l'espace textuel. Lors du passage aller, le modèle figé exécute des tâches d'entraînement ; le passage retour utilise un modèle optimiseur pour analyser les trajectoires ; l'étape de mise à jour propose des modifications limitées, contrôlées par une validation. Les modifications rejetées sont stockées pour un retour négatif, et une mise à jour lente/méta consolide les leçons à long terme. Évalué sur six benchmarks (SearchQA, SpreadsheetBench, OfficeQA, DocVQA, LiveMathematicianBench, ALFWorld) avec sept modèles cibles (de GPT-5.5 à Qwen3.5-4B) et trois modes d'exécution (chat direct, Codex, Claude Code), SkillOpt a obtenu les meilleurs résultats ou des résultats ex æquo dans l'ensemble des 52 cellules. Pour GPT-5.5 en chat direct, la moyenne des six benchmarks est passée de 58,8 à 82,3 (+23,5 points). Les gains les plus importants ont été réalisés sur les benchmarks procéduraux : SpreadsheetBench de 41,8 à 80,7, OfficeQA de 33,1 à 72,1, et LiveMathematicianBench de 37,6 à 66,9. Les compétences optimisées se sont transférées à travers les échelles de modèles, les infrastructures et les tâches connexes ; par exemple, une compétence de tableur entraînée dans Codex et transférée à Claude Code a amélioré le niveau de base sans compétence de 22,1 à 81,8 (+59,7). Les fichiers de compétence finaux sont restés compacts (médiane d'environ 920 tokens) avec seulement 1 à 4 modifications acceptées. SkillOpt suggère que l'entraînement peut être appliqué aux connaissances procédurales en dehors des poids du modèle, offrant une couche d'adaptation contrôlable et vérifiable pour les workflows agentiques.