Исследователи из Microsoft, Шанхайского университета Цзяо Тун, Университата Тунцзи и Университета Фудан разработали SkillOpt — оптимизатор в текстовом пространстве, который обучает документы с навыками на естественном языке, оставляя целевую модель замороженной. Система использует модель-оптимизатор для предложения ограниченных правок на основе оценённых прогонов, экспортируя результат в виде одного файла `best_skill.md`.
- Навыки, обученные на GPT-5.4, передаются меньшим вариантам с показателями сохранения от 16% до 82% от внутридоменных приростов.
- Навык, оптимизированный в Codex, повысил показатель Claude Code на SpreadsheetBench с 22.1 до 81.8, немного превысив результат 80.4, достигнутый при обучении непосредственно на Claude Code.
- Кросс-платформенная передача для LiveMath была асимметричной: при переносе из Codex в Claude Code сохранилось лишь 10%.
Размер артефакта варьируется от 379 до 1 995 токенов, формируется из одного-четырёх принятых правок и не требует дополнительных вызовов во время вывода при развёртывании.
Общий формат `best_skill.md` позволяет процедурным навыкам перемещаться между различными API инструментов, обеспечивая оптимизацию в самой дешёвой среде для последующего развёртывания в другой.