마이크로소프트의 SkillOpt, 최적화된 에이전트 스킬 아티팩트가 모델 규모 간 및 Codex와 Claude Code 하네스 간에 전이됨을 보여줘

SkillOpt는 대상 모델을 고정한 상태에서 단일 자연어 스킬 문서를 훈련하는 텍스트 공간 최적화 도구입니다. 최적화 모델은 점수 기반 롤아웃을 바탕으로 스킬에 대한 경계 있는 편집을 제안하며, 보류된 분할은 점수가 엄격하게 개선된 경우에만 편집을 수락합니다. 내보낸 산출물은 best_skill.md라는 단일 파일입니다. GPT-5.4 제품군 내에서의 교차 모델 전이는 혼합된 유지율을 보여줍니다. SpreadsheetBench에서 GPT-5.4-mini는 도메인 내 이득의 82%를 유지하는 반면, GPT-5.4-nano는 SpreadsheetBench에서 16%만 유지합니다. LiveMath에서 nano는 140%의 유지율을 보여, 일부 절차는 모델에 구애받지 않음을 시사합니다. GPT-5.5를 사용한 교차 하네스 전이는 가장 강력한 결과를 가져옵니다. Codex에서 최적화된 스킬은 Claude Code를 SpreadsheetBench에서 22.1에서 81.8로 끌어올려, Claude Code 자체의 도메인 내 점수인 80.4를 초과합니다. 그러나 Codex에서 Claude Code로의 LiveMath 전이는 이득의 10%만 유지하여, 추론 중심의 스킬은 이식성이 낮음을 나타냅니다. OlympiadBench에서 Omni-MATH로의 교차 벤치마크 전이는 세 가지 모델 규모에서 작지만 긍정적인 이득을 보여줍니다. 전이를 가능하게 하는 메커니즘은 모든 실행 모드가 동일한 best_skill.md 형식을 사용하고, 스킬의 절차적 특성(예: 워크북 구조 검사)이 이식성을 가능하게 한다는 것입니다. 훈련 비용은 오프라인에서 한 번 지불되며, 추론 시 오버헤드는 없습니다. 산출물은 편집별 로그가 포함된 텍스트 파일로 감사 가능합니다.