**从模型扩展到系统扩展：在智能体AI中扩展执行框架**

_From Model Scaling to System Scaling: Scaling the Harness in Agentic AI_

> 该论文指出，智能体AI发展的下一主要瓶颈在于系统扩展而非单纯的模型扩展。研究聚焦于围绕基础模型构建可审计、持久化、模块化和可验证的架构，将其称为“扩展执行框架”。尽管大语言模型已使智能体具备工具使用、信息检索、记忆维持和长期工作流执行能力，但当前评估仍以模型为中心，忽视了记忆、检索、工具调用、编排、验证和治理等系统层面组件。论文强调，智能体性能源于基础模型与记忆基底、上下文构造器、技能路由层、编排循环及验证治理层等组件的协同作用。研究通过分析上下文治理、可信记忆和动态技能路由三大核心瓶颈，并提出了超越单次任务成功的评估框架，以衡量轨迹质量、记忆完整性、上下文效率、通信保真度、验证成本和安全演进等指标。为具体说明，论文开发了CheetahClaws参考框架，并与Claude Code和OpenClaw进行了比较。核心观点是：未来智能体AI的进步将同等依赖于系统设计与基础模型的增强。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.26112)