环境无关智能体：脚手架的作用

一条提示指令即可提升环境无关智能体得分，但仍不及专用方案。

资讯摘要

论文研究为何开发者提供的脚手架仍能提升智能体表现，以及能否在不做环境特定工程的情况下改进环境无关智能体。作者在 ARC-AGI-3、AGI Maze 和 Terminal-Bench 上评测基于 Codex 的智能体，两个提示变体仅差一条鼓励报告困难并交回控制权的指令，该改动提升了 ARC-AGI-3 与 AGI Maze 的平均分，Terminal-Bench 变化小且混杂。通用智能体仍低于 ARC-AGI-3 专用参考方案，将重置决策交给脚本化控制器可挽回部分差距。作者还报告额外教程经验可能降低 AGI Maze 表现，性能提升伴随更高 token 成本，并发布 EnvTraverse 框架与基线智能体。

要点速读

1. 仅增加“报告困难并交回控制权”的指令，即提升 ARC-AGI-3 和 AGI Maze 平均分，Terminal-Bench 变化小且混杂。
2. 通用智能体仍低于 ARC-AGI-3 专用参考方案，包括使用 GPT-5.6-sol 时；把重置决策交给脚本化控制器可挽回部分优势。
3. 作者报告额外教程经验可能降低 AGI Maze 表现，性能提升伴随更高 token 成本，且未区分信息利用与推理分配的作用。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。