SkillOpt da Microsoft Demonstra Transferência de Skills de Agentes Otimizados Entre Tamanhos de Modelo e Entre Harnesses de Código

Pesquisadores da Microsoft e três universidades chinesas desenvolveram SkillOpt, um otimizador de espaço de texto que treina documentos de skills em linguagem natural mantendo modelos-alvo congelados. Um modelo otimizador propõe edições limitadas de adicionar-deletar-substituir baseadas em rollouts pontuados, aceitando apenas edições que melhoram estritamente o desempenho. Experimentos de transferência mostram que skills treinadas em modelos maiores retêm ganhos significativos quando implantadas em variantes menores—SpreadsheetBench em GPT-5.4-mini preserva 82% dos ganhos originalmente alcançados em GPT-5.4. Notavelmente, um skill otimizado dentro de Codex elevou o desempenho do Claude Code de 22.1 para 81.8, ligeiramente superior ao resultado de otimização em-domínio próprio do Claude Code de 80.4, sugerindo que skills procedurais se transferem mais efetivamente do que aqueles pesados em raciocínio entre diferentes ambientes de execução.