Microsoft, 상하이 자오퉁 대학, 퉁지 대학, 푸단 대학 연구진은 목표 모델을 고정된 상태로 유지하면서 자연어 기술 문서를 학습하는 텍스트 공간 최적화기인 SkillOpt를 개발했습니다. 이 시스템은 스코어링 롤아웃을 기반으로 제한된 편집을 제안하는 최적화 모델과 단일 `best_skill.md` 파일로 결과를 내보냅니다.

  • GPT-5.4에서 학습된 기술은 도메인 내 성능 향상분의 16%에서 82%에 달하는 유지율로 더 작은 변형 모델로 이전됩니다.
  • Codex에서 최적화된 기술은 Claude Code의 SpreadsheetBench 점수를 22.1에서 81.8로 높였으며, 이는 Claude Code에서 직접 학습했을 때 달성한 80.4를 약간 상회합니다.
  • LiveMath에 대한 크로스 하니스 이전은 비대칭적이어서, Codex에서 Claude Code로 이동할 때 유지율이 10%에 불과했습니다.

아티팩트 크기는 하나에서 네 개의 승인된 편집으로 구성되며 379개에서 1,995개의 토큰 범위를 가지며, 배포 시 추론 시간 호출을 추가하지 않습니다.

공유되는 `best_skill.md` 형식은 절차적 기술이 서로 다른 도구 API 간에 이동할 수 있게 하여, 배포를 위해 가장 저렴한 환경에서 최적화를 가능하게 합니다.