skillopt

微软提出SkillOpt方法，将文档作为可训练参数，通过优化自然语言文档而不改动权重来提升模型性能，在6个benchmark上取得52连胜，GPT-5.5提升23.5分，Claude Code提升19.1分。

这篇 MUSE-Autoskill 论文聚焦于 Agent 如何管理整个技能库，将 skill 放入完整的生命周期：创建、记忆、管理、评估和再优化。

微软开源了 SkillOpt，这是一种将 markdown 技能文件视为神经网络参数来训练 AI 智能体的方法，无需修改模型权重，并使用学习率、验证检查、小批量数据和训练轮次进行优化。

为 Codex 用户提供的一个小贴士，介绍如何使用目标模式和本地配置将智能体研究论文直接实现到 Codex 环境中，并以 SkillOpt 为例，它将 GPT-5.5 智能体提升了 +24.8 分。