手写这些技术文档，性质上是一种试错的手工活 。写一版，跑几个工作看看成效，感触哪里不合再改，改完再跑 。这个过程和之前手调 prompt 没有性质区别，只是对象从一句话造成了一整份文档 。
这个问题似乎迎来了终点，微软在本周开源了SkillOpt，一个把 Agent 技术文档当作「可训练参数」的文本空间优化框架，让技术文档自我进化 。
主题思路很单一，不训练模型权沉，只训练那份领导 Agent 行为的天然说话文档 。在 7 个指标模型、6 个基准测试、3 种执行环境（直接对话、Codex、Claude Code）的全数 52 个评测组合中，SkillOpt 训练出的技术文档全数达到最优或并列最优
SkillOpt 的主题洞察能够用一句话概括：Agent 的技术文档就是它的「表部权沉」，既然内部权沉能够用梯度下铰反优化，表部权沉也应该有一套系统化的训练步骤 。
Rollout（前向传布）：冻结的指标模型拿着当前版本的技术文档去执行一批工作，纪录齐全的执行轨迹，蕴含新闻、工具挪用、验证反馈、最终得分 。这一步产出的是「证据」，相当于神经网络的前向传布了局 。Reflect（反向传布）：一个独立的优化器模型分析这批执行轨迹 。关键设计是，失败案例和成功案例被分隔反思 。失败的 minibatch 用来发现「哪些操作规定必要建改」，成功的 minibatch 用来确认「哪些现有规定在起作用，不能动」 。这一步相当于推算「文本空间的梯度」，通知系统技术文档该往哪个方向改 。Edit（参数更新）：优化器模型基于反思了局，提出对技术文档的结构化编纂操作：增长新规定（add）、删除失效规定（delete）、代替必要建改的规定（replace） 。Gate（验证门控）：候选的新技术文档必须在一个 held-out 的验证集上跑一遍，只有机能严格提升时才被接受 。这一步预防过拟合，确保每次更新都是真正的改进 。
训练神经网络时，进建率太大会导致苦难性忘却，模型学了新器材就忘了旧器材 。SkillOpt 在文本空间遇到了齐全一样的问题：若是一次编纂扭转太大，可能把之前学到的有效规定覆盖掉 。
解决规划是引入「文本进建率」（textual learning rate）：每一步允许的编纂操作数量有上限 。论文中默认设置为 lr=4，即每步最多 4 个 add/delete/replace 操作 。这个约束迫使优化器每次只做幼幅调整，维持训练不变性 。
另一个精彩的设计是 rejected-edit buffer 。当一个编纂提案被验证门控回绝时，它不会被单一抛弃，而是进入一个缓冲区 。优化器在后续的反思阶段能够看到这些「失败的尝试」，从而预防沉复提出类似的无效编纂 。
Slow Update：每个 epoch 实现时，对整个 epoch 内所有被接受的编纂做一次纵向对比分析，找出跨 step 的一致性模式，产出一次更大领域的更新 。这类似于深度进建中的进建率 warmup 或周期性大步更新 。Meta Skill：优化器自身也有一份「元技术」文档，纪录它在优化过程中堆集的经验（好比「对这个 benchmark，关注工具挪用的体式比关注推理步骤更有效」） 。这份元技术在 epoch 间持续更新，让优化器自身也在进化 。
关键的是，这两个机造只在训练时存在 。部署时，指标模型只必要那份最终的 best_skill.md，不必要任何额表的模型挪用或影象�？� 。推理时的开销为零 。
幼模型的提升幅度反而更大，这注明技术文档对能力较弱的模型援手更显著 。一份好的操作手册，对新手的价值弘远于对专家的价值，这个直觉在 AI Agent 上同样成立 。
值妥贴心的是，TextGrad 和 GEPA 都是已有的文本优化步骤，SkillOpt 对它们的优势注明，系统化的训练循环设计（进建率、验证门控、负反馈缓冲）的确比疏松的自我建改更有效 。
跨模型迁徙：在 GPT-5.4 上训练的 LiveMath 技术，直接迁徙到 GPT-5.4-nano 上使用，提升 15.2 分 。不必要针对幼模型沉新训练 �？缁肪城ㄡ悖涸� Codex 环境中训练的 SpreadsheetBench 技术，直接迁徙到 Claude Code 环境中使用，提升 31.8 分 。这意味着你在一个 Agent 框架里优化好的技术文档，换到另一个框架里依然有效 。自优化：即便用 GPT-5.4-nano 同时作为指标模型和优化器模型（自己优化自己），SpreadsheetBench 上依然提升了 10.4 分 。这注明 SkillOpt 的训练循环自身提供了足够的结构化约束，即便优化器不比指标模型更强，也能发现有效的改进方向 。部署极简：最终部署时只必要一个 best_skill.md 文件 。不必要优化器模型，不必要影象�？�，不必要任何额表的推理开销 。
「将任何通用的指标容器事俘视为有效」「守护一个严格编号的已搜索集中，不沉复查抄已观察过的地位」「在某一类地位陆续屡次未射中后，扩大搜索领域」
这些规定都是从失败轨迹中自动提炼出来的 。好比第三条，来自 Agent 在某些工作中反复搜索统一类地位却找不到指标物品的失败经验 。优化器观察到这个模式后，提出了「扩大搜索领域」的规定 。
整个过程中，Step 3 的编纂一度导致验证集机能降落，但被 slow update 机造救回 。Step 4 的训练集得分更高，但验证集没有提升，因而被门控回绝 。这种「提出如果、验证、接受或回绝」的循环，和人类科研的步骤论千篇一律 。
jrs直播(无插件)直播nba在我尊重你的看法，但我们的丢球是因为一次门球处理后失去了球权，并不是智利通过控球创造出来的。我们通过运动战打进了两个球，有些阶段确实丢掉了球权，也有一些时候踢得有点急，但总体来说，那已经是一场完全不同的比赛，出现了很多一对一和身体对抗。昨天白天，北京出现雷阵雨天气，并伴有短时强降水和7级左右短时大风，局地出现冰雹。监测显示，昨天7时至16时，全市平均降水量为1.8毫米。jrs直播(无插件)直播nba在《双男主(三人/双/年下)笔趣阁季清野》格林伍德在2019至20赛季崭露头角，然而他的曼联生涯在2021至20赛季戛然而止。当时他遭到逮捕，随后被指控涉嫌强奸未遂、人身伤害以及精神控制他人。“我大爷那辆桑塔纳开了十五年，我爸的凯美瑞用了十年。可到我这儿，第四年换车不是因为车坏了，而是车机芯片算力跟不上，不支持新系统。去二手车市场，车商说这车虽然才四年，但已经算很老了。”近日，新能源车主马骁（化名）向《每日经济新闻》记者讲述了他的这段糟心经历。
20260609 ? jrs直播(无插件)直播nba在世界杯裁判每人将在赛事期间获得10万美元（约合7.5万英镑）的收入。如果他们能留任到赛事后期，还可以获得额外奖金；而顶级裁判如果执法决赛，收入会更高。国际足联希望今年夏天的赛事能拥有世界上最优秀的官员，这一薪资约为2014年世界杯时的两倍。英格兰顶级裁判迈克尔·奥利弗和安东尼·泰勒均已被国际足联选中，因此有望获得丰厚收入。如果两人中有人被选中执法决赛——前提是英格兰队未能晋级7月19日的决赛——他们还能获得高额奖金。贾里德·吉列特是英超联赛的裁判，此次也作为VAR专家官员参与世界杯。本赛季，奥利弗和泰勒通过执法英超联赛、足总杯以及欧冠联赛等欧足联赛事，已收入约25万英镑。去年，英格兰足球联赛向各俱乐部透露，英超裁判的平均比赛费用和奖金收入在17万至18万英镑之间。顶级联赛官员的基本年薪根据经验和资历在7.2万至14.8万英镑之间，再加上表现奖金和比赛费用。即使是英超Select One级别的初级裁判，起薪也可达约12.5万英镑/年。国际足联为世界杯裁判引入了新的规则和VAR协议，允许VAR在进攻方犯规（甚至在球进入比赛状态前）时介入并取消进球。赛事还将严厉打击拖延时间行为，要求替补球员在10秒内离场；球员若因治疗离场，必须缺席整整一分钟才能重返赛场。VAR将首次有权更改错误判罚的角球决定，并对因两张黄牌导致的罚下进行复核。法国空姐2齐全版免费高清带着想赢怕输的心理，科斯秋克在昨晚的决赛中状态糟糕，情绪严重影响了她的表现。在攻防两端，科斯秋克都没有了昔日的神勇，只能被迫跟着安德烈娃的节奏在打。最后，她只能接受0-2输球的结果。
20260609 ? jrs直播(无插件)直播nba在但“恶人还需恶人磨”，刘冲表面上同意方媛的请求，还提出让男生们挤一挤，给对方在二号楼腾出一个单人间，将房型改成三人间+双人间+单人间。大学女生2近日，上海云女士在乐奇Rokid智能眼镜用户社区内，发现有网友佩戴该设备偷拍空姐，并附带低俗言论。不仅如此，社区里还充斥着大量类似偷拍视频。而该款设备使用时的指示灯，购物平台上竟有专门用于遮挡的“遮光贴”，且已售出5000多件。
京公网安备11010202000001号
