微软提出像训练神经网络一样训练 agent 技能

Saboo_Shubham_ · x · 2026-07-21

微软在这条帖里给出一种**自我进化的 agent skills 训练思路**：像训练神经网络一样训练技能，使用 epoch、batch size、learning rate 和验证门控，但**不改模型权重**。配图里的 SkillOpt 论文/项目说明进一步写到：系统把“技能文档”当作冻结 agent 的可训练状态，通过带分数的 rollout 生成受限的增删改编辑；只有当候选编辑在留出验证集上**严格提升**时才会被接受，并配合学习率预算、拒绝编辑缓冲和慢速 meta update 来保持稳定。最终产物是一个紧凑的 `best_skill.md`，可在不同模型与执行框架间迁移，并且在多项 benchmark 上提升准确率，而不增加推理时调用。