微软研究院 SkillOpt 用文本优化技能，六基准 52/52

eyishazyer · x · 2026-07-24

这篇长帖拆解了 Microsoft Research 的 SkillOpt：它不是调模型权重，而是优化一份自然语言形式的“skill document”。

模型本身保持冻结，真正被反复迭代的是这份文本指令。
整个流程包括四步：先在任务上跑 rollout，再由另一个优化器模型做反思；编辑幅度被“预算”限制，相当于文本版学习率；最后必须在留出的验证集上通过，才能保留。
失败的改动会进入 rejection buffer，防止优化器反复犯同样的错误；更慢的 epoch 级更新则帮助长周期技能演化，而不会把上下文窗口撑爆。
作者称，SkillOpt 在六个 benchmark、七个目标模型上拿到 52/52 的结果，尤其在 SpreadsheetBench 和 OfficeQA 这类工具型任务上提升很大。
其落地优势是：最终产物只是一个可直接塞进 system prompt 的短 Markdown 文件，推理时不需要额外调用模型。

「编程与Agent」频道最新