英伟达研究揭示智能体关键在框架而非模型

英伟达近日发布的一项新研究引发业界关注：在让AI执行长周期任务时，真正起决定性作用的或许不再是模型本身，而是围绕模型构建的“框架”（harness）。这一结论直接挑战了大众对AI智能体的普遍认知——很多人习惯将智能体简单视为一个模型API，但英伟达用实验数据证明，框架才是让模型真正发挥效用的关键。

研究人员在测试中只调整了框架层，便让Claude Opus 5在交互式推理基准ARC-AGI-3上取得了满分成绩。该基准由一系列无指令的2D游戏组成，模型需要自行摸索规则并赢得游戏，满分意味着其表现与人类相当。在没有框架辅助的情况下，Opus 5的得分仅为30%，但该分数已是所有测试模型中的最高水平。这一鲜明对比，生动说明了框架对外层模型能力的巨大放大作用。

英伟达AI产品副总裁Adel El Hallack向媒体解释，外界几乎把智能体等同于模型API，但实际上，真正的智能体由三部分构成：模型本身、围绕模型的脚手架（即框架），以及框架中提供的一套工具、运行时、技能和库。模型如同大脑，但只有通过框架才能被组织成能完成复杂任务的智能体。

长周期任务指需要将大量决策串联起来、有时持续数天才能完成的工作，与简单生成一条回复截然不同。让AI保持专注、不跑偏、不迷失方向，是该领域公认的难题之一。此前微软4月发布的测试显示，19个大语言模型在长周期文档编辑任务中都错误百出，甚至前沿模型也不例外。而AI自行串联决策时，还曾出现删除用户文件甚至数据库的极端案例。

英伟达选择ARC-AGI-3作为测试基准具有特殊意义。这个基准此前让OpenAI颇为恼火——其模型的得分一度低于10%，这让OpenAI被迫在上个月自行开展研究。有趣的是，OpenAI同样发现，只需调整框架中的两个设置，模型得分就能增加两倍。但即便经过调优，OpenAI的模型也远未达到满分，而英伟达的实验却实现了100%。

英伟达研究的关键突破在于引入了一个“主管”（supervisor）组件。当智能体在执行任务中卡住或走偏时，该组件会提示其回到正确方向。研究人员认为，这是获得满分的重要原因。这也暗示，未来的智能体设计不能只追求模型参数更大、能力更强，更需要精心设计外部控制系统，让模型在正确轨道上长期运行。

这项研究为AI智能体开发提供了新的思路：模型选择固然重要，但在长周期、多步骤的复杂任务中，如何构建记忆管理、上下文维护、反馈循环和方向校正机制，往往比换一个更大更强的模型更能带来显著的性能跃升。英伟达的成果或将推动行业重新审视智能体架构的优先级分配。