微软联合多所高校提出 SkillOpt 方法，实现智能体技能工件跨模型与跨工具链迁移

OmniTools 8月6日消息，微软联合上海交通大学、同济大学及复旦大学团队提出 SkillOpt 方法，通过文本空间优化训练单一技能文档，并在训练中冻结目标模型参数，使优化后的技能工件具备跨模型规模及跨工具链迁移能力。

实验显示，在 Codex 上优化的 SpreadsheetBench 技能迁移至 Claude Code 后得分为 81.8，高于 Claude Code 自行训练该技能所得的 80.4 分。全部 4 项跨模型迁移、4 项跨工具链迁移及 3 项跨基准迁移结果均优于无技能基线。

该研究为智能体技能复用与高效适配不同大模型及开发环境提供了新路径。