Pesquisadores da Microsoft, da Universidade Jiao Tong de Xangai, da Universidade Tongji e da Universidade Fudan desenvolveram o SkillOpt, um otimizador no espaço de texto que treina documentos de habilidade em linguagem natural enquanto mantém o modelo-alvo congelado. O sistema utiliza um modelo otimizador para propor edições limitadas com base em rollouts pontuados, exportando o resultado como um único arquivo `best_skill.md`.

  • Habilidades treinadas no GPT-5.4 são transferidas para variantes menores, com taxas de retenção variando de 16% a 82% dos ganhos no domínio.
  • Uma habilidade otimizada no Codex elevou a pontuação do Claude Code no SpreadsheetBench de 22,1 para 81,8, superando ligeiramente os 80,4 obtidos ao treinar diretamente no Claude Code.
  • A transferência entre ambientes para o LiveMath foi assimétrica, com apenas 10% de retenção ao mover do Codex para o Claude Code.
  • O tamanho do artefato varia de 379 a 1.995 tokens, construído a partir de uma a quatro edições aceitas, e adiciona zero chamadas no tempo de inferência na implantação.

O formato compartilhado `best_skill.md` permite que habilidades procedurais se movam entre diferentes APIs de ferramentas, permitindo otimização no ambiente mais barato para implantação em outro.