SkillOpt от Microsoft: тренировка навыков LLM-агентов как нейросетей без изменения весов

Microsoft выкатила SkillOpt — оптимизатор текстового пространства для LLM-агентов. Это невероятно изящный подход к системному промпт-инжинирингу! Вместо ручного переписывания инструкций фреймворк обучает естественные языковые навыки, используя классические ML-концепции: эпохи, размер батча, learning rate и гейты валидации. Сама базовая модель при этом остается полностью замороженной.

Процесс строится на пошаговом редактировании траекторий агента. На выходе система генерирует не тяжеловесный чекпойнт с весами, а готовый к деплою текстовый артефакт — файл best_skill.md. Инструмент из коробки поддерживает работу с воплощенными агентами через ALFWorld, генерацию кода в SpreadsheetBench и математические задачи. Для визуализации процесса разработчики предусмотрели локальный WebUI дашборд.

Сейчас идет мощная волна исследований в области harness engineering — инженеры смещают фокус на пайплайны оценки, память и тулинг. SkillOpt отлично ложится в этот тренд. Подобные концепции можно сразу тащить в рабочую среду. Достаточно передать логику оптимизатора продвинутым кодинг-ассистентам вроде Codex и поставить им цель реализовать аналогичный цикл самообучения для ваших собственных локальных агентов.