BL
MarkTechPost • 51일 전
마이크로소프트 SkillOpt, AI 모델 간 스킬 이식 성공
IMP 8/10
핵심 요약
마이크로소프트의 SkillOpt는 특정 AI 환경에서 학습된 에이전트 스킬을 다른 모델이나 규모로 변환하여 적용할 수 있음을 증명했습니다. 특히 Codex에서 학습한 스킬 파일을 Claude Code에 적용했을 때 성능이 크게 향상되었으며, 이는 AI 스킬의 재사용성과 호환성 측면에서 중요한 의미를 갖습니다.
번역된 본문
마이크로소프트의 SkillOpt에 대한 대부분의 보도는 52/52라는 결과에 초점을 맞추고 있습니다. 하지만 더 중요한 발견은 섹션 4.3에 있는데, 내보낸 best_skill.md 파일이 학습되지 않은 환경에서도 계속 작동한다는 것입니다. Codex에서 학습된 SpreadsheetBench 스킬은 Claude Code의 성능을 22.1에서 81.8로 끌어올렸으며, 이는 Claude Code가 자체적으로 스킬을 학습했을 때 도달한 80.4보다 약간 높은 수치입니다. 다만 유지율은 작업 유형에 따라 크게 달라지는데, 스프레드시트 작업에서는 102%를 기록한 반면 수학 작업에서는 10%에 그쳤습니다. 바로 이 점 때문에 이 결과를 주의 깊게 읽어볼 가치가 있습니다. SkillOpt가 최적화된 에이전트 스킬 산출물의 모델 규모 간, 그리고 Codex와 Claude Code 환경 간 전이를 보여준다는 내용의 이 글은 MarkTechPost에 처음 게재되었습니다.
원문 보기 (영어)
Most coverage of Microsoft's SkillOpt centers on its 52/52 result. The more consequential finding is in Section 4.3: the exported best_skill.md keeps working in environments it was never trained on. A Codex-trained SpreadsheetBench skill lifted Claude Code from 22.1 to 81.8, slightly above the 80.4 that harness reached training its own skill. Retention varies sharply by task type — 102% on spreadsheets, 10% on math — which is what makes the result worth reading closely.
The post Microsoft’s SkillOpt Shows Optimized Agent Skill Artifacts Transfer Across Model Scales and Between Codex and Claude Code Harnesses appeared first on MarkTechPost.