Microsoft'un SkillOpt'u, Optimize Edilmiş Ajan Beceri Yapılarının Model Ölçekleri Arasında ve Codex ile Claude Code Kıskaçları Arasında Aktarılabildiğini Gösteriyor

SkillOpt, hedef model sabit kalırken tek bir doğal dil beceri belgesi eğiten bir metin uzayı iyileştiricisidir. Bir iyileştirici model, puanlanmış denemelere dayanarak beceride sınırlı düzenlemeler önerir ve ayrı bir bölüm, yalnızca puan kesin olarak iyileşirse düzenlemeleri kabul eder. Dışa aktarılan ürün, best_skill.md adlı tek bir dosyadır. GPT-5.4 ailesi içinde çapraz model aktarımı karışık kalıcılık gösterir: SpreadsheetBench üzerinde GPT-5.4-mini, alan içi kazancın %82'sini korurken, GPT-5.4-nano SpreadsheetBench'te yalnızca %16'sını korur; LiveMath üzerinde nano, %140 kalıcılık gösterir, bu da bazı prosedürlerin modelden bağımsız olduğunu düşündürür. GPT-5.5 kullanılarak yapılan çapraz düzenek aktarımı en güçlü sonucu verir: Codex'te optimize edilen bir beceri, Claude Code'u SpreadsheetBench'te 22.1'den 81.8'e yükseltir ve bu, Claude Code'un kendi alan içi puanı olan 80.4'ü aşar. Ancak, Codex'ten Claude Code'a LiveMath aktarımı kazancın yalnızca %10'unu korur; bu da akıl yürütme yoğun becerilerin daha az taşınabilir olduğunu gösterir. OlympiadBench'ten Omni-MATH'a çapraz kıyaslama aktarımı, üç model ölçeğinde küçük ancak olumlu kazançlar gösterir. Aktarımı mümkün kılan mekanizma, tüm yürütme modlarının aynı best_skill.md formatını kullanması ve becerinin prosedürel doğasının (örneğin, çalışma kitabı yapısı incelemesi) onu taşınabilir kılmasıdır. Eğitim maliyeti bir kez çevrimdışı ödenir, çıkarım sırasında ek yük yoktur. Ürün, düzenleme başına günlüklerle bir metin dosyası olarak denetlenebilir.