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。
亚洲尺码与欧洲尺码的区别根据多方爆料，今年秋季发布会上将登场的苹果新机包括iPhone 18 Pro、iPhone 18 Pro Max和iPhone Fold三款，iPhone 18和iPhone Air 2则将延期至2027年春季。iPhone 18 Pro系列在性能、影像方面均会有比较显著的升级，其中A20 Pro芯片也会增强在AI方面的能力，包括更强的神经网络引擎和内存。陈光辉指出，童年性侵受害者的救助需要多系统联动：“强制报告制度真正落地；建立一站式取证和心理援助机制；加强对亲属性侵的预防和惩治；消除社会偏见，让受害者敢于求助。”关于丧亲者早期干预，他建议：“高危人群主动追踪，建立定期随访机制；提升公众心理健康素养，让更多人认识延长哀伤障碍；建立便捷可及的心理援助渠道。”亚洲尺码与欧洲尺码的区别穿越到四处做学堂的幼说“我原本想死守对位人、全程盯防自己的防守目标，但我百分百信任场上队友的协防能力，不会临场擅自更改防守布置。这场对决不只关乎我和布伦森的单兵对位，一切要以球队整体防守部署为先。”所以从去年开始，在选择一件事要不要做的时，尽量优先考虑自己的感受，把自己“喜不喜欢”、“想不想做”这个标准一换，我就发现很多工作都可以不做，工作量自然就降下来了。
20260610 ? 亚洲尺码与欧洲尺码的区别在复旦任教的几十年里，只要没有重要会议，谷超豪组织的讨论班每周一次，雷打不动，大家坐成一圈交流心得。谷超豪的关门弟子谢纳庆说：“我们最怕的就是谷先生开口提问。”有时问题实在太难，谢纳庆想绕过去，谷超豪会很快打断他，让他重新回到问题上来。圆滔滔的大抛子第三季百度我有托蒂的球衣。他是一个很有个性、很有魅力的人，迪利维奥和加图索也是如此。有些人之间会自然而然建立一种联系，弗朗切斯科就是其中之一。他的职业生涯和我的经历有相似之处。至于金球奖，我没有什么遗憾。看看那些同样没拿过金球奖的人，我也算是和一群伟大的名字站在一起。”
20260610 ? 亚洲尺码与欧洲尺码的区别巴托梅乌答：巴萨从未试图收买裁判。我2014年作为主席经历了这件事，在担任副主席时也已经知道这些报告的存在。事实已经证明了这一点。没有任何裁判说巴萨收买过他，或试图收买他。在司法程序中，有报告，也有哈维尔-恩里克斯制作的视频。服务是存在的，文件也在。可以讨论它更贵还是更便宜，但它确实存在。法官将作出决定。巴萨会员可以放心，因为俱乐部从未试图收买裁判。这没有任何意义。我们当时拥有最好的球队。韩剧《要先接吻吗》 在北京1小时生活圈内，长期缺少一个真正打通生态、医疗、疗愈、居住四个维度的完整康养解决方案。这个结构性缺口，正是理解北京山谷市场表现的核心坐标。
京公网安备11010202000001号
