SkillOpt dari Microsoft Menunjukkan Artefak Keterampilan Agen yang Dioptimalkan Dapat Ditransfer Lintas Skala Model dan Antara Harness Codex dan Claude Code

SkillOpt adalah pengoptimal ruang teks yang melatih satu dokumen keterampilan bahasa alami sementara model target tetap dibekukan. Model pengoptimal mengusulkan edit terbatas pada keterampilan berdasarkan rollout yang diberi skor, dan bagian yang disisihkan hanya menerima edit jika skornya meningkat secara ketat. Artefak yang diekspor adalah satu file, best_skill.md. Transfer lintas model dalam keluarga GPT-5.4 menunjukkan retensi yang beragam: SpreadsheetBench pada GPT-5.4-mini mempertahankan 82% dari peningkatan dalam domain, sementara GPT-5.4-nano hanya mempertahankan 16% pada SpreadsheetBench; LiveMath pada nano menunjukkan retensi 140%, menunjukkan bahwa beberapa prosedur bersifat agnostik terhadap model. Transfer lintas harness menggunakan GPT-5.5 menghasilkan hasil terkuat: keterampilan yang dioptimalkan di Codex meningkatkan Claude Code pada SpreadsheetBench dari 22,1 menjadi 81,8, melampaui skor dalam domain Claude Code sendiri sebesar 80,4. Namun, transfer LiveMath dari Codex ke Claude Code hanya mempertahankan 10% dari peningkatan, menunjukkan bahwa keterampilan yang berat pada penalaran kurang portabel. Transfer lintas benchmark dari OlympiadBench ke Omni-MATH menunjukkan peningkatan kecil namun positif di tiga skala model. Mekanisme yang memungkinkan transfer adalah bahwa semua mode eksekusi menggunakan format best_skill.md yang sama, dan sifat prosedural keterampilan (misalnya, inspeksi struktur buku kerja) membuatnya portabel. Biaya pelatihan dibayar sekali secara offline, tanpa overhead pada waktu inferensi. Artefak dapat diaudit sebagai file teks dengan log per-edit.