@rohanpaul_ai: 更强的AI智能体不仅来自更大的模型，更来自围绕它们的更优系统。问题在于，许多AI…

更强的智能体将不仅仅来自更大的模型，而是来自围绕它们构建的更优系统。 问题是，许多AI智能体被评估时，仿佛所有工作都由模型独立完成，而实际行为还依赖于记忆、工具、上下文、路由、检查和权限。 围绕智能体的这套外部设置被称为框架（harness），即决定模型能看到什么、能使用哪些工具、能记住什么、以及哪些动作需要被检查的系统。 进步应来自于规模化这个框架，尤其是三个部分：更好的上下文控制、更可信的记忆、以及更优的工具或辅助智能体路由。 长上下文不等于可用上下文，记忆不等于可信记忆，拥有众多工具也不等于知道何时使用它们。 一条过时的笔记可能比没有笔记更危险，因为它恰好会在智能体应该重新核查现实时给予其错误的自信。 一个专门的子智能体也可能悄然失败——如果它的输出听起来可信，但后续没有任何验证层来核实其真实性。 这正是为什么一次性基准测试得分越来越显得单薄。 两个智能体可能得出相同的最终答案，但其中一个消耗了多得多的令牌、进行了风险更高的工具调用、携带了损坏的记忆，或者只是侥幸成功。 下一个前沿不仅是规模化机器内部的思维。 而是规模化围绕它的纪律。 ---- – arxiv.org/abs/2605.26112 标题：“从模型规模化到系统规模化：规模化代理AI中的框架”