Nvidia 研究：AI 智能体的关键在 harness，而非模型本身
Nvidia 证明 AI 智能体的能力上限更多由 harness 决定，而非底层模型，为智能体系统设计提供了新方向。
Nvidia 新研究显示，在长周期任务中，模型外的 harness（脚手架，即记忆、上下文、反馈等外围机制）比模型本身更重要。用定制 harness 配合“监督者”组件，Claude Opus 5 在 ARC-AGI-3 交互推理基准上拿到 100%，而裸模型仅 30%。OpenAI 的类似实验也验证了这一点。
正文摘录
Nvidia 刚刚证明，真正的主角是 harness，而不是 AI 模型 Nvidia [发布](https://developer.nvidia.com/blog/nvidia-avo-reaches-100-on-arc-agi-3-demonstrating-a-frontier-level-general-purpose-architecture-for-long-horizon-autonomous-agents/) 了一些有趣的新研究，上周五的结果表明，在让 AI 执行长周期任务时，harness 比底层模型本身重要得多。 简单说就是：仅仅通过使用一个为良好处理记忆而调优的定制 harness，并加入一个"监督者"组件，研究人员就让 Claude Opus 5 在交互式推理基准 ARC-AGI-3 上拿到了 100% 的分数。（这个基准特别让竞争对手前沿实验室 OpenAI 恼火。）没有 harness 时，Opus 5 得分只有 30%，这已经是所有测试模型中的最高分。 Nvidia 的研究再次表明，虽然模型选择确实重要——它相当于智能体的"大脑"——但它在整个智能体系统中所占的比重远低于许多 AI 用户的认识，尤其是在长周期任务中。真正让模型成为智能体的是 harness：它负责记忆、上下文和反馈。 "总的来说，业界几乎把智能体当作模型的 API 来理解，"Nvidia AI 部门产品副总裁 Adel El Hallack（上图）告诉 TechCrunch。但智能体实际上远不止如此。"它是模型，是模型周围的脚手架（scaffolding），我们称之为 harness，也就是它使用的那套工具。它是运行时，以及我们赋予它的相关技能和库。" 长周期任务是指需要把许多决策串联起来、有时要持续数天才能完成工作的任务。这与 AI 直接对提示词吐出一个回复形成鲜明对比。