Investigadores de Microsoft, la Universidad Jiao Tong de Shanghái, la Universidad Tongji y la Universidad Fudan desarrollaron SkillOpt, un optimizador en el espacio de texto que entrena documentos de habilidades en lenguaje natural mientras mantiene congelado el modelo objetivo. El sistema utiliza un modelo optimizador para proponer ediciones acotadas basadas en rollouts evaluados, exportando el resultado como un único archivo `best_skill.md`.
- Las habilidades entrenadas en GPT-5.4 se transfieren a variantes más pequeñas con tasas de retención que oscilan entre el 16% y el 82% de las ganancias en dominio.
- Una habilidad optimizada en Codex elevó la puntuación de Claude Code en SpreadsheetBench de 22.1 a 81.8, superando ligeramente el 80.4 logrado entrenando directamente en Claude Code.
- La transferencia entre frameworks para LiveMath fue asimétrica, con solo un 10% de retención al pasar de Codex a Claude Code.
- El tamaño del artefacto oscila entre 379 y 1.995 tokens, construido a partir de una a cuatro ediciones aceptadas, y añade cero llamadas en el momento de la inferencia durante el despliegue.
El formato compartido `best_skill.md` permite que las habilidades procedimentales se muevan entre diferentes APIs de herramientas, posibilitando la optimización en el entorno más económico para su despliegue en otro.