Microsoft、AIエージェントのスキルをモデルの重みに触れずに自動アップグレードするオープンソースのSkillOptを発表
Microsoft’s open-source SkillOpt automatically upgrades AI agent skills without touching model weights
Microsoftは、AIエージェントのスキルをモデルの重みに変更を加えることなく自動的にアップグレードするオープンソースフレームワーク「SkillOpt」を発表しました。従来のスキル最適化は手動での再入力が必要で試行錯誤が伴いましたが、SkillOptはスキルドキュメントを学習可能なオブジェクトとして扱い、パフォーマンスフィードバックに基づいて体系的に指示の変更を探求します。これにより、精度が大幅に向上し、GPT-5.5やQwenなどのモデルで既存の手法を上回る性能を示しました。SkillOptは、学習率、検証ゲート、モーメンタムといった深層学習の最適化手法をテキスト編集に適用し、安定した改善を可能にします。このフレームワークは、様々なモデル、ベンチマーク、実行環境で有効性が確認されており、特にエンタープライズ分野での文書データ抽出や正確なフォーマット、自己検証、監査可能な出力といった信頼性の向上に貢献します。また、スキルはコンパクト(中央値約920トークン)で転移可能であり、異なるモデルや実行環境間で再利用できます。トレーニングコストも低く、1タスクあたり平均1〜5ドル程度で、既存のオーケストレーションスタックとも容易に統合可能です。
- MicrosoftがAIエージェントのスキルを自動最適化するオープンソースフレームワーク「SkillOpt」を発表
- SkillOptはGPT-5.5やQwenなどのモデルで既存手法を上回る精度を示した
- トレーニングコストは1タスクあたり平均1〜5ドルと低コスト
- スキルは中央値約920トークンとコンパクトで、異なるモデルや実行環境間で転移可能
Microsoftが発表したSkillOptは、AIエージェントのスキル最適化を自動化するフレームワークで、モデルの重みに触れずにプロンプト(スキル文書)自体を学習可能な対象として最適化する点が画期的。特にエンタープライズ向けの文書抽出やフォーマット整形といった実務タスクでの精度向上が確認されており、GPT-5.5やQwenなど複数モデルで既存手法を上回った。トレーニングコストが1タスクあたり数ドルと低く、既存のオーケストレーションスタックと統合可能なため、企業のAI導入コストを下げ、導入障壁を大幅に低減する可能性がある。Microsoftがこの領域でオープンソースの標準を仕掛けることで、AIエージェントのエコシステム競争が加速する点に注目すべき。