scaffold

本文表明，代理工具框架（脚手架）的选择可能导致每个已解决任务的令牌数差异高达40倍，而模型通过率变化很小，这表明在以人为本的编码代理评估中，应该比较工具框架-模型对，而非仅比较模型。

一项涵盖239篇论文的调研，分析AI智能体如何通过更新模型本身或框架（提示、记忆、工具）来自我提升。

这篇论文提出了一种自我改进智能体的新颖蓝图，通过元智能体和反馈智能体结合支架编辑和权重训练，在AlphaFold的CUDA内核上实现了14倍加速。

本文描述了一个脚手架（scaffold），它通过在 Qwen-3.6-27B 和 Gemma-4-31B 上使用迭代修正和分支探索来扩展测试时计算，从而在代码优化方面超越 Claude Mythos。文中附有论文链接和 GitHub 仓库地址。

作者提出，在多智能体AI系统中，持久化记忆应该归属于项目所有者，而不是任务专家，这一观点借鉴了咨询公司的实践和关于项目记忆的学术文献。他们提供了一个研究框架，包含模板和评估准则，用于进行现场试验。