SkillOpt: Mengubah Keahlian Agen AI menjadi Parameter yang Dapat Dilatih

Makalah Microsoft Research 'SkillOpt: Executive Strategy for Self-Evolving Agent Skills' membingkai ulang pengeditan keterampilan agen sebagai proses pelatihan. SkillOpt memperlakukan file keterampilan sebagai parameter yang dapat dilatih di luar model target yang dibekukan, menggunakan siklus maju-mundur-perbarui dalam ruang teks. Pada langkah maju, model yang dibekukan menjalankan tugas pelatihan; langkah mundur menggunakan model pengoptimal untuk menganalisis lintasan; langkah pembaruan mengusulkan pengeditan terbatas yang dikendalikan oleh pemeriksaan validasi. Pengeditan yang ditolak disimpan untuk umpan balik negatif, dan pembaruan lambat/meta mengonsolidasikan pelajaran jangka panjang. Dievaluasi pada enam tolok ukur (SearchQA, SpreadsheetBench, OfficeQA, DocVQA, LiveMathematicianBench, ALFWorld) dengan tujuh model target (dari GPT-5.5 hingga Qwen3.5-4B) dan tiga mode eksekusi (obrolan langsung, Codex, Claude Code), SkillOpt mencapai hasil terbaik atau setara terbaik di semua 52 sel. Untuk GPT-5.5 dalam obrolan langsung, rata-rata enam tolok ukur naik dari 58,8 menjadi 82,3 (+23,5 poin). Peningkatan terbesar terjadi pada tolok ukur prosedural: SpreadsheetBench dari 41,8 menjadi 80,7, OfficeQA dari 33,1 menjadi 72,1, dan LiveMathematicianBench dari 37,6 menjadi 66,9. Keterampilan yang dioptimalkan dapat ditransfer antar skala model, kerangka kerja, dan tugas terkait; misalnya, keterampilan spreadsheet yang dilatih di Codex ditransfer ke Claude Code meningkatkan dasar tanpa keterampilan dari 22,1 menjadi 81,8 (+59,7). File keterampilan akhir tetap ringkas (median sekitar 920 token) dengan hanya 1-4 pengeditan yang diterima. SkillOpt menunjukkan bahwa pelatihan dapat diterapkan pada pengetahuan prosedural di luar bobot model, menawarkan lapisan adaptasi yang terkendali dan dapat diaudit untuk alur kerja agen.