英偉達的 AVO 代理系統將 Claude Opus 5 表現提升至 100%

核心突破

英偉達最新的 Agentic Variation Operators (AVO) 代理系統，在完整的代理架構下，將 Claude Opus 5 的效能從原本的 30% 基線提升至 100%。此成果顯示，單純提升語言模型的參數或訓練資料並非唯一關鍵，系統設計（即代理的「harness」） 才是解鎖長程、多步驟任務表現的關鍵因素。

系統設計與實驗

AVO 以「通用程式碼代理」為核心，具備以下能力：

• 檢視與編輯程式碼：可即時讀取現有實作，提出修改建議。
• 執行指令與測試：在實體硬體上跑測試，取得真實回饋。
• 參考文件與驗證：自動查詢 API 文件或最佳化指南，確保改動合理。

在 GPU 核心最佳化 任務中，AVO 取代傳統演化搜尋的預設變異步驟，改由代理自行決定「檢查什麼、改什麼、測什麼、提交什麼」。實驗於 NVIDIA DGX B200 系統上持續 七天，探索逾 500 條最佳化方向，最終提交 40 版 穩定的多頭注意力（multi‑head attention）核心。

• 相較於 NVIDIA 官方的 cuDNN，最高提升 3.5%。
• 相較於 FlashAttention‑4，最高提升 10.5%。

同樣的 AVO 架構亦被接入 ARC‑AGI‑3 基準測試，只更換任務介面與評估工具，證實其 通用性：同一套代理即可在不同環境下維持高效運作。

未來展望

此研究證明，代理系統的設計 能將前沿語言模型的潛能完整釋放，特別是在需要長時間、迭代式調整的工程任務上。未來若將 AVO 與更多領域（如自動化測試、資料清理、甚至機器人控制）結合，預計能進一步縮短人類工程師的手動調校時間，同時提升系統的可靠度與可解釋性。對於關注 AI 代理可持續自主運作的研究者與產業應用者而言，英偉達的這項成果提供了可借鏡的架構藍圖，也提醒我們：模型本身固然重要，完整的代理生態才是實現真正「長程智慧」的關鍵。