Microsoft Research が発表した SkillOpt は、Claude Code や Codex に渡すスキルドキュメント（best_skill.md）を、モデルの重みを一切変えずにニューラルネット学習と同じ要領で自動最適化するフレームワークです。7モデル・6ベンチマーク・3ハーネス、計52テスト全てで最高または同率最高を達成しています。
SkillOpt とは
Microsoft Research を中心とした研究チームが SkillOpt を発表しました（論文タイトル: Executive Strategy for Self-Evolving Agent Skills）。SkillOpt は、AIエージェントが使う「スキルドキュメント」をニューラルネットワークの訓練と同じ要領で自動最適化するフレームワークです。
最大の特徴は モデルの重みを一切変えない 点です。最適化の対象はモデルのパラメータではなく、Claude Code や Codex に渡す best_skill.md のようなテキストファイルそのものです。
コアアイデア：Skill を訓練する
従来のアプローチでは「モデルをファインチューニングする」か「人間が手動でプロンプトを調整し続ける」かのどちらかでした。SkillOpt はその中間を突く第三の道を提示します。
ターゲットモデルの重みは凍結したまま、スキルドキュメント（自然言語のガイダンス）だけを最適化する。
スキルドキュメントとは、モデルに与える「作業手順書」です。例えば、
## ALFWorldタスクの戦略
- 汎用的なターゲット容器のインスタンスをすべて有効とみなす
- 探索済み場所を番号付きリストで厳密に管理し、再確認しない
- 同一場所で複数回失敗したら、別のロケーションタイプへ探索を広げるこのようなドキュメントがエージェントの「外部状態」として機能します。SkillOpt はこれを自動的に改善し続けます。
訓練ループ：ニューラルネット学習の言語版
SkillOpt のループはニューラルネットワークの学習アルゴリズムを自然言語に移植した構造になっています。
実行（Rollout） → 振り返り（Reflect） → 編集（Edit） → 検証ゲート（Gate）各ステップの詳細：
| ステップ | 役割 | 対応する NN の概念 |
|---|---|---|
| Rollout | 現在のスキルでタスクを実行しスコア付き軌跡を記録 | 順伝播 |
| Reflect | 成功・失敗のミニバッチを別のオプティマイザーモデルが分析 | 逆伝播 |
| Edit | 追加・削除・置換の編集候補を予算（編集数上限）内で生成 | 勾配更新 |
| Gate | ホールドアウトセットで改善する場合のみ候補スキルを採用 | 検証セット評価 |
安定学習を支える3つのコンポーネント
-
テキスト学習率（Edit Budget） 一度に変更できる編集数に上限を設定します。過度な書き換えを防ぎ、有用なルールが消えないよう保護します。
-
棄却バッファ（Rejected Edit Buffer） 採用されなかった編集を記憶し、オプティマイザーが同じ失敗方向を繰り返さないようにします。
-
スロー更新 ＋ メタスキル（Slow Update & Meta Skill） 短期の変動に過適合せず、より長期的な知見をスキルに反映する仕組みです。
ベンチマーク結果
計52セットのテストすべてで最高または同率最高を達成しています。内訳は7モデル・6ベンチマーク・3ハーネス（Direct chat・Codex・Claude Code）です。
主な結果の抜粋（各セルはベースラインからの改善幅、単位はポイント）：
| ターゲットモデル | ハーネス | SearchQA | Sheet | Office | DocVQA | LiveMath | ALFWorld | 平均改善 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | Direct chat | +9.6 | +38.9 | +39.0 | +12.4 | +29.3 | +11.9 | +23.5 |
| GPT-5.4 | Direct chat | +6.2 | +21.1 | +12.8 | +13.6 | +7.2 | +15.6 | +12.8 |
| GPT-5.4-nano | Direct chat | +19.0 | +8.2 | +33.7 | +49.4 | +4.0 | +35.1 | +24.9 |
| Qwen3.5-4B | Direct chat | +3.1 | +14.6 | +15.2 | +2.1 | +29.6 | +50.7 | +19.2 |
| GPT-5.5 | Codex | +5.5 | +57.5 | +12.8 | +5.0 | +28.0 | N/A | +21.8 |
| GPT-5.5 | Claude Code | +4.0 | +58.3 | +13.9 | +3.5 | +13.3 | N/A | +18.6 |
最大の価値：転用性（Transferability）
SkillOpt の重要な特性として、一度最適化したスキルを別の環境でそのまま使える転用性（Transferability）が挙げられます。
クロスモデル転用
GPT-5.4 向けに最適化した LiveMath スキルを GPT-5.4-nano にそのまま適用したところ、+15.2ポイントの性能向上を達成しました。モデルサイズが異なってもスキルの有効性は維持されます。
クロスハーネス転用
Codex 上で最適化した SpreadsheetBench スキルを Claude Code に移植したところ、+31.8ポイント改善しました。エージェント実行環境が変わっても使いまわせます。
セルフオプティマイザー
GPT-5.4-nano が自身のオプティマイザーとして機能した場合でも +10.4 ポイントの改善が確認されており、より強力なオプティマイザーモデルなしでも恩恵を受けられます。
一度最適化した best_skill.md は、異なるモデル・異なるハーネス・異なるベンチマークドメインを横断して活用できる再利用可能なアーティファクトとして機能します。
まとめ
SkillOpt は「プロンプトチューニングの自動化」とも言えますが、その設計思想はより体系的です。
- 重みを変えずに性能を上げる: コストの高いファインチューニング不要
- 自動閉ループ最適化: 人間が毎回プロンプトを調整する手間を排除
- 転用性の高い成果物: 一つの
best_skill.mdが複数のモデルやハーネスで機能する
Claude Code や Codex などのエージェントハーネスを日常的に使う開発者にとって、SkillOpt は「プロンプトチューニングをエンジニアリング的に解決する」実践的なアプローチです。特に、手動で試行錯誤を繰り返してきた方には、この自動化の恩恵が大きいでしょう。
参考リンク
- GitHub: https://github.com/microsoft/SkillOpt
- arXiv 論文: https://arxiv.org/abs/2605.23904
- プロジェクトページ: https://aka.ms/skillopt
- 関連ツイート: https://x.com/VincentLogic/status/2066458456564080965