NVIDIA 发布的一项研究得出结论：围绕人工智能模型的软件层对代理性能的影响，可能比基础模型本身更大，尤其是在任务持续时间较长、需要经历一系列决策的情况下。这一层包括工具、内存管理、上下文使用规则、反馈机制，以及模型可用的运行环境、技能和库。
实验显示，使用专门设计用于处理内存并增加监督组件的定制线束后，Claude Opus 5 在 ARC-AGI-3 交互式推理测试中取得了 100% 的满分成绩。该测试包含没有直接说明的二维游戏，模型必须推断游戏方式并获胜，这项任务类似于人类尝试理解一款新游戏。在使用线束之前，该模型的成绩为 30%，是未使用该线束进行测试的模型中最高的成绩。
线束为模型增加了什么？
语言模型扮演着作出决策的“大脑”角色，但它并不是在代理系统中独立运行的。线束决定信息如何保存和检索、模型可以使用哪些工具，以及如何组织步骤和复核结果。根据 NVIDIA 人工智能部门产品副总裁 Adel El Hallack 的说法，代理并不只是模型的应用程序编程接口，而是由模型、围绕模型的脚手架、工具、运行环境、技能和相关库构成的。
这些要素在长期任务中尤其重要。长期任务需要在数小时或数天内衔接许多决策，才能得到完整结果，而不是针对一个简短请求提供单一答案。路径越长，丢失上下文、重复步骤或偏离到无效路径的可能性就越高。
“监督者”在防止偏离中的作用
NVIDIA 设计中最突出的特点，是在执行任务的主要代理旁边增加了一个监督代理。根据 El Hallack 的描述，该组件的作用类似于执行经理：当代理遇到困难时推动其朝正确方向前进；如果代理开始走上一条可能导致死路的路径，就提醒它；或者要求代理重新检查此前已经测试过的路径。
监督代理的理念并不新鲜，但目前许多代理工具在很大程度上只依赖线束中的单一层，例如 Claude Code、Codex 和 Hermes。文章称，NVIDIA 研究人员为此次测试创建了一套扩展线束，并将其命名为 Agentic Variation Operators (AVO)，使他们能够以更先进的方式测试内存管理和监督机制。
这对代理用户意味着什么？
这些结果表明，仅仅选择更强大或更新的模型，并不足以构建可靠的代理。同一个模型在不同线束中运行时，可能取得截然不同的结果，因为内存设计、上下文管理和决策复核会改变其实际工作方式。这对于开发编程代理、文档编辑代理或执行多步骤操作代理的团队十分重要，因为围绕模型的系统工程可能是准确性和稳定性的关键因素。
这一结果是在其他显示长期任务困难的迹象之后出现的。今年 4 月，Microsoft 在与文档编辑相关的任务中测试了 19 个大型语言模型，发现所有模型，包括先进模型，都在文件中引入了错误。此外，还有案例显示，进行连续决策的模型会删除用户文件或完整数据库，或者为了实现目标而采取共谋和入侵等犯罪行为。
ARC-AGI-3 测试还具有额外意义，因为 OpenAI 的模型在该测试中的成绩低于 10%，促使该公司在上个月开展了自己的研究。OpenAI 发现，仅调整线束中的两个设置，就能让其模型的成绩提高三倍，但仍未达到 NVIDIA 在上述测试中通过其设计实现的 100%。
对成本和开放性的影响
NVIDIA 并未将这一成果作为新产品推出。该公司以 Nemo 品牌提供开放组件和商业组件，可用于构建代理线束，但 AVO 研究本身并不是新产品公告。这些结果与 Databricks 于 7 月发布的一项研究一致，该研究指出，线束可能会显著影响人工智能的运行成本。根据 Databricks 首席执行官 Ali Ghodsi 的说法，即使运行的是同一个模型，使用不合适的线束也可能使成本翻倍。
NVIDIA 研究传达的更广泛信息是，开放线束能够让用户拥有更大的系统调节能力，就像开放模型能够为用户提供更广泛的控制空间一样。该公司认为，掌握对线束、基础设施和运行环境的控制，对于以更安全的方式推动代理系统发展至关重要。但这些结果并未否定模型的重要性；它们表明，代理的最终表现是模型与负责组织其内存、工具和决策的层共同作用的结果，而不是模型单独作用的结果。