माइक्रोसॉफ्ट, शांघাই जियाओ टोंग यूनिवर्सिटी, टोंगी यूनिवर्सिटी और फूडान यूनिवर्सिटी के शोधकर्ताओं ने SkillOpt विकसित किया है, जो एक टेक्स्ट-स्पेस ऑप्टिमाइज़र है जो लक्ष्य मॉडल को फ्रोजन रखते हुए प्राकृतिक-भाषा कौशल दस्तावेजों को प्रशिक्षित करता है। सिस्टम स्कोर्ड रोलआउट्स के आधार पर सीमित संपादन सुझाने के लिए एक ऑप्टिमाइज़र मॉडल का उपयोग करता है, जिसका परिणाम एक अकेले `best_skill.md` फ़ाइल के रूप में निर्यात किया जाता है।
- GPT-5.4 पर प्रशिक्षित कौशल छोटे वेरिएंट्स में स्थानांतरित होते हैं, जिनमें डोमेन-इन लाभों का 16% से 82% तक रिटेंशन दर होती है।
- कोडेक्स में अनुकूलित एक कौशल ने क्लॉड कोड के SpreadsheetBench स्कोर को 22.1 से बढ़ाकर 81.8 कर दिया, जो सीधे क्लॉड कोड पर प्रशिक्षण द्वारा प्राप्त 80.4 से थोड़ा अधिक है।
- LiveMath के लिए क्रॉस-हार्नेस स्थानांतरण असममित था, जहां कोडेक्स से क्लॉड कोड में जाने पर केवल 10% रिटेंशन मिला।
- आर्टिफैक्ट का आकार 379 से 1,995 टोकन तक होता है, जो एक से चार स्वीकृत संपादन से बना होता है, और डिप्लॉयमेंट पर शून्य इनफरेंस-टाइम कॉल जोड़ता है।
साझा `best_skill.md` फॉर्मेट प्रक्रियात्मक कौशलों को विभिन्न टूल APIs के बीच स्थानांतरित होने देता है, जिससे डिप्लॉयमेंट के लिए किसी अन्य वातावरण में लागत-प्रभावी अनुकूलन संभव होता है।