以「後設技能」為核心的 AI4AI：為 Agent 設計最佳執行環境的測試期學習架構
Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI
傳統提升 Agent 表現多聚焦於增強其推理能力，本論文則從「環境建構」下手。在模型權重凍結的情況下，設計一個「建造者（Builder）」模型來為「目標（Target）」Agent 建構執行環境。研究引入「後設技能（Meta-Skill）」機制，讓建造者從目標 Agent 的執行回饋中總結出環境設計原則（何時提供支援、提供何種資源）。在 Harness-Bench 和 NewtonBench 測試中，此方法比無技能建構提升了 8.95%，且比直接將技能庫交給 Target 還要高出 12.02%。
核心重點
AI4AI 環境建構
探討在不更動模型權重的前提下，由 Builder 模型為 Target Agent 動態建構最佳的執行環境。
創新的後設技能
將經驗轉化為「何時需要支援、提供什麼資源」的具體規則，使建造經驗能在未知任務中重複使用。
顯著的效能增長
相較於無技能建構提升 8.95 個百分點，相較於直接將技能庫交給目標 Agent 提升 12.02 個百分點。
無權重自我進化
當 Builder 與 Target 為同一個模型時依然有效，開闢了一條無需微調即可實現系統級自我提升的新途徑。
技術圖解
為什麼重要
傳統的 AI 自我提升往往需要耗費大量資源進行模型微調。這項研究證明了「不改動模型權重，光是優化執行環境（Harness）」就能大幅提升 Agent 的任務達成率。這為開發更安全、靈活且低成本的複合式 AI 系統（Compound AI Systems）提供了一個全新方向：讓 AI 學習如何成為更稱職的「環境建造者」，為其他 AI 準備量身打造的執行環境。
對誰有影響
- AI 開發者
- AI 研究人員
- 產品經理
可以怎麼使用
- 1測試期環境優化
- 2無需微調的自我進化系統
限制與注意事項
- 高度依賴開發階段的回饋資訊，若開發集與測試集任務差距過大，後設技能的效益可能受限。
- 引入 Builder 模型進行二階段環境建構，會帶來額外的推論延遲與 API 呼叫成本。
延伸閱讀
後設推理：讓 AI 代理在動手前先「思考如何思考」
Thinking Before Thinking: Scaling AI Agents with Meta-Reasoning
本文提出「Agent 後設推理」框架，利用獨立的控制器在推理時期動態分配運算預算，顯著提升長任務的執行效率與成功率。
TokenCast：精準預測 LLM Agent 執行過程中的 Token 消耗量
TokenCast: Accurate Token Consumption Forecasting for LLM Agents
本研究提出 TokenCast 預測方法，透過可組合的成本表示法，在不增加 LLM 呼叫的前提下，以平均 32.8 毫秒的超低延遲，即時且精準地預測 Agent 執行時的動態 Token 消耗。
以敘事狀態追蹤突破長篇小說生成：免微調的 NstAgent 框架
Scaling Long-Form Story Generation via Narrative State Tracking (NstAgent)
本研究提出免訓練的 NstAgent 框架，透過動態追蹤角色、事件與未來大綱等結構化狀態，成功將大語言模型的連貫故事生成長度大幅擴展至十萬字小說級別。