Microsoft가 SkillOpt라는 것을 만들었는데, 그 아이디어가 매우 독특합니다. 에이전트(agent)의 스킬 문서를 신경망(neural network)처럼 학습시키는 방식인데, 에포크(epoch), 배치(batch), 학습률(learning rate), 검증 세트(validation set) 개념을 사용하면서도 모델의 가중치(weight)는 전혀 건드리지 않습니다.

이것이 왜 대단할까요? 세 가지 포인트로 나누어 설명해 드리겠습니다:
1️⃣ 학습 시 오직 하나의 스킬(skill) 문서만 수정하며, 새로운 변경 사항은 반드시 검증 세트(validation set)에서 실제로 점수가 상승해야만 수용됩니다. 마음대로 수정할 수 없습니다.
2️⃣ 배포 시 추가로 발생하는 모델 호출 비용은 '제로(0)'입니다. 기존에 사용하던 모델을 그대로 실행합니다.
3️⃣ 52개의 테스트 격자(test grids)에서 모두 1위 또는 공동 1위를 차지했습니다. GPT-5.5에서는 점수가 23.5점 상승했고, Codex는 24.8점, Claude Code는 19.1점 상승했습니다.

최종 결과물은 단 몇 백에서 이천 토큰(token) 정도의 작은 파일 하나이며, 모델과 도구를 넘나들며 직접 옮겨 사용할 수 있습니다. 이 기술이 정말 안정적으로 자리 잡는다면, 수동으로 프롬프트(prompt)를 작성하는 작업의 패러다임이 완전히 바뀔 것입니다.

🔗 https://t.co/J7ompR5ZRg