Nvidia研究：AI智能体表现取决于外部框架而非模型本身

Nvidia周五发布的新研究揭示，在让AI执行长期任务时，外部框架（harness）比底层模型本身重要得多。研究人员通过定制一个擅长处理记忆、并包含类似上级监督组件的框架，让Claude Opus 5在交互推理基准测试ARC-AGI-3上取得了100%的满分。而未使用该框架时，Opus 5仅得分30%，这已是所有测试模型中的最佳成绩。

长期任务要求AI串联多个决策，有时耗时数天才能完成，这与简单响应提示词截然不同。如何防止AI在此过程中偏离方向、陷入混乱，是智能体研究的关键难题。Nvidia研究人员采用了名为Agentic Variation Operators（AVO）的自制框架，其中引入的监督组件尤为关键。该组件像CEO一样，在主体偏离方向或陷入死胡同时进行引导。

Nvidia产品副总裁Adel El Hallack表示，智能体不只是模型的API，而是模型与框架的结合体，包括工具、运行时和相关技能库。他强调，开放的框架能让用户转动更多旋钮来提升准确性。此前Databricks在7月的研究也表明，框架对AI成本的影响甚至超过模型本身，错误的框架选择可能使成本翻倍。

值得注意的是，ARC-AGI-3基准测试此前曾让OpenAI颇为困扰，其模型得分不足10%，促使OpenAI上月也展开了类似研究。通过调整框架的两个设置，OpenAI模型的成绩提升了三倍，但仍未达到满分水平。Nvidia强调这不是新产品，而是其Nemo品牌下开源技术组合的展示。