演化式 agent 接口
来自 arXiv · 期号 2026-10-21
摘要
计算机使用 agent 受限于人类为它们设计的接口。一个 agent 可能逐格输入电子表格，而一行代码就能完成；或者通过 shell 打印整个文件来找一个函数。这些接口以及何时使用它们的知识都是手工构建的，无法跟上新应用、工作流和模型的速度。 本文提出接口设计本身应该成为 agent 的一项能力。他们推出了 Agent S4，一个自主的计算机使用科学家，能从任务经验中构建“演化式 agent 接口”。一个元 agent 检查任务 agent 在合成训练任务上的轨迹（无需成功标签），构建并修订接口和使用知识，存入一个仓库。然后，基于种群的演化根据验证任务的表现，选择哪些仓库值得进一步发展，从而偏好那些能泛化到未见任务的变更。 在 OSWorld V2 上，Agent S4（使用 Qwen3.8-27B 和演化后的接口仓库）在开源计算机使用 agent 中达到了新的 SOTA，二进制得分为 21.3%，是使用固定接口的同一模型的 3.8 倍。这一成绩高于 GPT-5.5（13.0%）和 Claude Opus 4.8（20.6%），而成本分别仅为后两者的约 4.3% 和 1.5%。在 ScienceBoard 上，演化后的接口将同一模型的成功率从 41.4% 提升至 58.6%。 这些结果表明，有用的接口可以从经验中演化而来，使自主接口设计成为模型和框架进步之外的另一个改进来源。代码已开源。
深读
导读 计算机使用 agent 被困在人类为它们手工设计的接口里，逐格填表、全文打印找函数，效率极低。这篇论文提出接口设计本身应该成为 agent 的能力，并给出了一个名为 Agent S4 的系统，它能从任务经验中自动构建和演化接口。关键结果是：在 OSWorld V2 上，Agent S4 以 21.3% 的二进制得分刷新了开源 agent 的 SOTA，是固定接口版本的 3.8 倍，且成本远低于 GPT-5.5 和 Claude Opus 4.8。 关键信息 - Agent S4 在 OSWorld V2 上达到 21.3% 的二进制得分，是同一模型使用固定接口时的 3.8 倍。 - 该得分超过 GPT-5.5（13.0%）和 Claude Opus 4.8（20.6%），而成本分别仅为后两者的约 4.3% 和 1.5%。 - 在 ScienceBoard 上，演化后的接口将同一模型的成功率从 41.4% 提升至 58.6%。 - Agent S4 使用 Qwen3.8-27B 作为基座模型，代码已开源。 逐节讲解 问题：手工接口跟不上 agent 的需求 计算机使用 agent 目前依赖人类为它们设计的固定接口。一个 agent 可能逐格输入电子表格，而一行代码就能完成；或者通过 shell 打印整个文件来找一个函数。这些接口以及何时使用它们的知识都是手工构建的，无法跟上新应用、工作流和模型的速度。论文的核心主张是：接口设计本身应该成为 agent 的一项能力。 方案：Agent S4——自主的计算机使用科学家 Agent S4 是一个能从任务经验中构建“演化式 agent 接口”的系统。其工作流程分为两步：首先，一个元 agent 检查任务 agent 在合成训练任务上的轨迹（不需要成功标签），从中构建并修订接口和使用知识，存入一个仓库。然后，基于种群的演化根据验证任务的表现，选择哪些仓库值得进一步发展，从而偏好那些能泛化到未见任务的变更。 结果：开源 SOTA，成本远低于闭源模型 在 OSWorld V2 基准上，Agent S4（使用 Qwen3.8-27B 和演化后的接口仓库）在开源计算机使用 agent 中达到了新的 SOTA，二进制得分为 21.3%。这比同一模型使用固定接口的版本高出 3.8 倍。更重要的是，这个成绩超过了 GPT-5.5（13.0%）和 Claude Opus 4.8（20.6%），而成本分别仅为后两者的约 4.3% 和 1.5%。在 ScienceBoard 上，演化后的接口将同一模型的成功率从 41.4% 提升到 58.6%。论文认为，这些结果表明有用的接口可以从经验中演化而来，使自主接口设计成为与模型和框架进步互补的改进来源。 值得注意 - 论文基于摘要，未提供 Agent S4 的具体架构细节、演化算法的实现方式…