ScholarEvolve让AI智能体读论文改代码 Qwen3.5任务完成率提升14%

加州大学圣塔芭芭拉分校与微软联合提出ScholarEvolve框架，实现AI智能体自主阅读学术论文、提取算法并重构自身运行系统（Agent Harness），全程无需重新训练底层模型。该系统旨在突破现有自进化优化器依赖历史经验与已有知识的局限，模仿人类科研者通过文献获取新解法的能力。Agent Harness包含工具调用、上下文管理、技能封装、记忆机制与工作流编排五大模块；ScholarEvolve通过模块化诊断识别薄弱环节，定向检索arXiv等平台近一年相关论文，提取可实现算法并由Coding Agent生成Python模块，经沙盒验证后替换原组件，仅保留显著提升性能的版本。其核心为“话题引导探索”，即围绕具体缺陷（如记忆丢失、工作流断裂）精准聚焦论文方向。在AppWorld Challenge基准测试中，Qwen3.5-27B基础Harness任务完成率为49.6%，接入ScholarEvolve后整合3篇论文技术（含动态上下文剪枝与反馈驱动工作流重规划），完成率达63.6%，绝对提升14.0个百分点，且模型参数完全冻结。系统支持终身演化：两周内评估217篇论文，成功集成9个模块，每次迭代平均提升1.2–2.8个百分点。该成果标志AI智能体开发范式转向“更聪明的系统设计”，强调运行时架构的可进化性。目前代码已开源，同期港科大“第四大学”、中科大与复旦GraphForge等研究亦指向智能体系统级工程与知识生态构建趋势。