Microsoft Research представила SkillOpt для обучения навыков AI-агентов без изменения весов модели

Microsoft Research представила подход SkillOpt, в котором файл навыков AI-агента рассматривается как обучаемый параметр вне замороженной модели. Система не требует вручную переписывать инструкции: редактирование навыков переводится в управляемый цикл оптимизации с проверкой изменений и контролем объема правок.

Как сообщает Microsoft Research Blog, SkillOpt работает в цикле из выполнения задач, анализа траекторий и обновления навыков. Замороженная целевая модель решает задания с текущими инструкциями, после чего отдельная модель-оптимизатор разбирает успешные и неудачные траектории и предлагает точечные изменения: добавление, удаление или замену фрагментов текста. Затем каждое изменение проверяется на отдельной выборке и принимается только если результат улучшается.

По данным авторов, система показала лучший или разделенный лучший результат во всех 52 ячейках оценки на шести бенчмарках, семи целевых моделях и трех режимах исполнения без обновления весов моделей. В Microsoft Research также заявили, что оптимизированные навыки остаются компактными и пригодными для аудита благодаря ограниченным текстовым правкам, буферу отклоненных изменений и дополнительным slow/meta (деятельность Meta признана экстремистской и запрещена в РФ) updates. Авторы добавляют, что такие навыки переносятся между моделями разного масштаба, агентными окружениями и связанными задачами.