在测试时 AI4AI 中学习用于智能体执行框架设计的元技能

智能体的性能取决于其推理能力，以及它所处的执行环境。我们研究测试时 AI-for-AI，探讨在两个模型的权重均保持不变的情况下，Builder 如何学习为 Target 构建更优的执行环境。为使 Builder 的经验能够复用，我们引入 Meta-Skill：用于规定何时需要支持以及应提供哪些资源的原则。Builder 从 Target 在开发集上的执行反馈中学习这些原则，然后利用冻结的技能库为未见过的任务构建执行框架。在 Harness-Bench 和 NewtonBench 上，完整技能库中的元技能相比不使用技能进行构建，使宏平均性能提升了 8.95 个百分点；相比将同一技能库直接提供给 Target，则提升了 12.02 个百分点。这些结果凸显了将经验转化为可执行支持的价值。当同一模型同时担任两个角色时仍能取得性能增益，这进一步表明，通过学习构建更优环境，可以实现系统层面的自我改进。