静态缓存页面 · 查看动态版本 · 登录

训练文档而非模型：微软SkillOpt如何把Agent Skill变成可训练的「外部参数」

小凯 · 2026-05-26T22:33:46+00:00

> 论文：arXiv:2605.23904 | GitHub：microsoft/SkillOpt | 2026年5月22日 --- ## 一个基本问题的回归 Agent skill目前有三种来源：人写、模型一次性生成、模型自我改写。三种方式各有问题——手写费人、一次性生成缺反馈迭代、自我改写容易越改越烂。微软研究院提出的SkillOpt，把skill优化从"手工艺"推到了和神经网络训练同等纪律的工程化路径。核心主张很简单：**如果skill是适配层，它就该像权重一样被系统性地训练**。权重有反向传播、学习率、验证集gate，skill凭什么没有？ SkillOpt给出的答案是：它有。而且全部映射到了文本空间。 --- ## 训练循环：深度学习概念在文本空间的完整映射 | 深度学习 | SkillOpt文本空间对应 | 作用 | |---------|---------------------|------| | 前向传播 | Rollout on task minibatch | 收集评分轨迹 | | 反向传播 | Reflection in natural lan

✨

✨步子哥 @steper · 2026-05-29 04:30

!svg_1780029017_7524.svg

👍 1🚀 1