业务目标
明确要解决的性能、扩容、稳定性、覆盖、互连或运维问题，并确认上线优先级。
一个前沿大语言模型只是 AI 智能体的一部分，真正决定智能体如何接收上下文、调用工具、维护状态、应对反馈并从失败中恢复的，是环绕模型的智能体系统，即常说的“harness”。如何构建能让前沿模型在长时程多步任务中稳定工作的通用智能体架构，是当前智能体研究的关键问题。NVIDIA 研究项目 Agentic Variation Operators（AVO）正是针对这一挑战提出的通用智能体架构，其成果已在 ARC-AGI-3 基准上达到满分。
AVO 最初在难度极高的软件工程与 GPU 内核优化任务上得到验证。在这类任务中，智能体必须检查既有实现、形成假设、修改代码、执行基于硬件的测试、解读反馈并反复调整方案，单次响应的代码生成远不足以解决问题。在注意力内核优化实验中，AVO 连续运行七天，探索超过 500 个优化方向，产出了 40 个已提交的内核版本；在 NVIDIA DGX B200 系统上，所得到的多头注意力内核在测试配置中最高比 cuDNN 快 3.5%、比 FlashAttention-4 快 10.5%，随后智能体又仅用约 30 分钟将内核适配到分组查询注意力（GQA）。
支撑 AVO 长时程自主运行的两大机制是持久记忆与监督器。持久记忆将先前的实现、评估结果、编译器与性能分析器输出以及累积的推理过程携带到后续迭代，使智能体能够从当前状态继续而非反复重建搜索；监督器则持续监控整体搜索轨迹，在进展停滞或陷入无效循环时引导主智能体转向替代策略。在七天的内核优化运行中，主智能体始终负责决定检查什么、改什么、测什么，监督器则在搜索陷入平台期时帮助维持前进动力。
NVIDIA 团队随后将同一套 AVO 架构应用到 ARC-AGI-3 交互式推理基准上。该基准将智能体置于完全陌生的类游戏环境中，不给任何指令、显式规则或目标，智能体必须通过交互探索推断环境动态与目标，并在逐步加难的关卡中高效规划行动。AVO 在 ARC-AGI-3 公开集全部 25 个环境中取得 100.00 的 RHAE 分数，完成全部 183 个关卡。RHAE（相对人类行动效率）将任务完成度与相对新手人类基线的单关卡行动效率相结合，是极具挑战的长时程智能体任务指标。
这一结果传递的核心观点是：评估模型不等于评估智能体。GPU 内核优化与 ARC-AGI-3 表面上看截然不同——前者涉及源码、编译器与吞吐，后者是陌生交互环境中的目标发现——但底层计算模式一致：从不完整证据构建假设、通过外部接口行动、观察后果、保留有用状态、修正问题模型、从错误假设中恢复，并在长时程中持续推进。领域在变，反馈通道在变，核心智能体循环不变。AVO 证明了围绕模型构建的智能体系统，是把模型能力转化为可持续自主进展的关键。
WeChat
Profile