Microsoft、上海交通大学、同済大学、復旦大学の研究者らは、ターゲットモデルを凍結したまま自然言語によるスキル文書を訓練するテキスト空間最適化器であるSkillOptを開発した。本システムはオプティマイザモデルを用いてスコア付きロールアウトに基づく制約付き編集を提案し、その結果を単一の`best_skill.md`ファイルとしてエクスポートする。
- GPT-5.4で訓練されたスキルはより小さなバリアントに転送され、ドメイン内での獲得率の16%から82%が保持される。
- Codexで最適化されたスキルにより、Claude CodeのSpreadsheetBenchスコアは22.1から81.8に向上し、Claude Codeで直接訓練した場合の80.4をわずかに上回った。
- LiveMathに対するクロスハーネス転送は非対称であり、CodexからClaude Codeへ移行する際の保持率はわずか10%だった。
アーティファクトのサイズは379〜1,995トークンで、1〜4回の承認済み編集から構成され、デプロイ時に推論時の呼び出しを追加しない。
共有される`best_skill.md`形式により、手続き型スキルが異なるツールAPI間で移動可能になり、最も低コストな環境での最適化を経て別の環境へデプロイできる。