微軟發表 SkillOpt：實現跨 AI 模型尺度的 Agent 技能轉移

由 Microsoft、上海交通大學、同濟大學與復旦大學共同開發的 SkillOpt，把 Agent 的自然語言技能文件視為可訓練的外部狀態，而非調整模型權重。系統利用執行軌跡、受限文字編輯與保留驗證集反覆優化技能，提供可檢視、可重用的模型適配方式，降低微調門檻。

團隊於 2026 年 5 月 22 日公開 arXiv 論文，測試 6 項基準、7 款目標模型及直接對話、Codex、Claude Code 三種執行框架，52 個評估組合全數並列或單獨最佳。GPT-5.5 較無技能基準平均提升 23.5、24.8 及 19.1 個百分點；Codex 訓練的 SpreadsheetBench 技能轉至 Claude Code 後提升 59.7 點，且毋須再次優化。