AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：可信记忆×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
5月26日
11:43
11:43arXiv cs.AI@Shangding Gu
76°
本文提出 Agentic AI 的下一个瓶颈是系统缩放（system scaling），而非仅模型缩放。作者主张将基础模型周围的结构化执行层（即 harness）作为一等设计对象，包括记忆、检索、工具使用、编排、验证和治理等组件。研究识别出三大核心瓶颈：上下文治理、可信记忆和动态技能路由，并提出了超越单次任务成功率的基准测试框架。为验证观点，团队开发了 Python 原生参考实现 CheetahClaws，并与 Claude Code 和 OpenClaw 进行了对比。核心结论是：未来 Agentic AI 的进步将同样依赖于系统设计，而不仅仅是更强的模型。
论文智能体系统缩放Harness设计上下文治理可信记忆
推荐理由：做 Agent 系统架构的开发者会看到，当前只关注模型能力而忽视执行层设计的做法正在成为瓶颈——CheetahClaws 提供了一个可参考的系统级设计思路，值得研究。
原文