SkillOpt：将AI智能体技能转化为可训练参数

微软研究院的论文《SkillOpt：面向自我进化智能体技能的优化策略》将智能体技能编辑重新定义为一种训练过程。SkillOpt 将技能文件视为冻结目标模型外部的可训练参数，在文本空间中采用正向-反向-更新循环。在前向传播中，冻结模型执行训练任务；反向传播使用优化器模型分析轨迹；更新步骤提出有限编辑，并通过验证检查进行门控。被拒绝的编辑将被存储以用于负反馈，而慢速/元更新则整合更长期的教训。在六个基准测试（SearchQA、SpreadsheetBench、OfficeQA、DocVQA、LiveMathematicianBench、ALFWorld）上，使用七个目标模型（从 GPT-5.5 到 Qwen3.5-4B）和三种执行模式（直接对话、Codex、Claude Code）进行评估，SkillOpt 在所有 52 个单元格中均取得最佳或并列最佳结果。对于 GPT-5.5 的直接对话模式，六个基准的平均分从 58.8 升至 82.3（提高 23.5 分）。在程序性基准上提升最大：SpreadsheetBench 从 41.8 升至 80.7，OfficeQA 从 33.1 升至 72.1，LiveMathematicianBench 从 37.6 升至 66.9。优化后的技能可跨模型规模、工具链及相关任务迁移；例如，在 Codex 中训练的电子表格技能迁移到 Claude Code 后，将无技能基线从 22.1 提升至 81.8（提高 59.7 分）。最终技能文件保持紧凑（中位数约 920 个标记），仅包含 1 到 4 次接受的编辑。SkillOpt 表明，训练可以应用于模型权重之外的程序性知识，为智能体工作流提供可控且可审计的适应层。