Les développements se succèdent à un rythme impressionnant dans l’IA.
SkillOpt de Microsoft démontre le transfert optimisé des artefacts de compétences des agents à travers différentes échelles de modèles et entre les environnements de développement Codex et Claude
SkillOpti est un optimiseur d’espace textuel développé par une équipe de chercheurs de Microsoft, de l’université Jiao Tong de Shanghai, de l’université Tongji et de l’université Fudan.
Point notable, skillOpt entraîne un seul document de compétence en langage naturel tandis que le modèle cible reste figé. Un modèle d’optimisation analyse les rollouts notés et propose des modifications limitées (ajout, suppression ou remplacement). Une sélection de validation n’accepte une modification que si le score s’améliore de manière significative. Le résultat exporté est un fichier unique, best_skill.md.
Les tableaux de transfert comportent trois colonnes. « Baseline » correspond au score sans compétence de la cible. « Direct » correspond à la compétence « SkillOpt » entraînée dans le domaine sur cette cible précise. « Transferred » applique une compétence entraînée ailleurs, sans optimisation supplémentaire.
La comparaison pertinente ne porte pas sur le transfert par rapport au direct. Il s’agit plutôt de déterminer dans quelle mesure le gain au sein du domaine est préservé lors du transfert.
À ce sujet, les modèles ont été entraînés sur GPT-5.4, puis déployés sur des variantes plus légères.
Deux lignes méritent une attention particulière. SpreadsheetBench sur GPT-5.4-mini conserve 82 % du gain intra-domaine. Cela s’apparente à une réutilisation quasi gratuite. La ligne LiveMath sur le GPT-5.4-nano est plus surprenante : la compétence transférée obtient un score de 28,8, contre un résultat de 27,2 obtenu avec SkillOpt dans le même domaine. L’article interprète cela comme la preuve que certaines procédures apprises sont indépendantes du système cible.
Sur ce point, la ligne « SpreadsheetBench » du modèle GPT-5.4-nano est la plus faible, avec un taux de 16 %. La rétention n’est pas uniforme, et l’article ne prétend d’ailleurs pas qu’elle le soit. La limite indiquée est plus restrictive : aucune ligne ne se situe en dessous du seuil de référence « sans compétence » de la cible.
Le contexte technologique évolue, et ce type d’annonce en témoigne.
À lire également :
- Meta lance Muse Code, un agent IA dédié aux bases de code volumineuses | TechCrunch
- Circles optimise la personnalisation des services de télécommunications grâce à la technologie OpenAI
Lire l’article complet sur MarkTechPost : MarkTechPost