让智能体自己进化工具：Agent S4重新思考电脑操作接口

导语

很多电脑使用智能体看起来“会操作”，但效率仍接近人类逐步点击：在表格中逐格输入数据，或通过 shell 打印数千行文件来寻找一个函数。问题未必只是模型不够强，也可能是智能体只能使用人类为人类工作流设计的接口。

Hugging Face Daily Papers 收录的《Evolving Agent Interfaces》提出了一个不同方向：接口设计本身也应成为智能体可以学习和改进的能力。论文介绍的 Agent S4，不只执行任务，还会根据任务经验，持续构建一套面向智能体的“演化接口”。

核心机制：从执行记录中改进工具

Agent S4包含一个负责研究的元智能体。它观察任务智能体在合成训练任务中的完整轨迹，分析哪些操作低效、哪些工具组合更合适，然后在一个 repository 中创建或修订接口，同时记录接口的使用知识。这里的关键点是，元智能体不依赖任务成功标签，而是从行为过程本身寻找改进方向。

系统随后采用基于群体的进化方式推进这些 repository。不同版本会在元智能体没有见过的验证任务上接受评估，表现更好的版本获得继续发展的机会。这样的设计试图避免只针对训练任务“调答案”，转而保留能够迁移到新任务的接口变化。

结果：接口改变也能带来显著增益

在 OSWorld V2 上，Agent S4搭配 Qwen3.8-27B 和演化后的接口 repository，达到 21.3% 的 binary score。相比同一模型使用固定接口时的结果，性能提升 3.8 倍。论文还报告称，这一成绩高于其对 GPT-5.5 和 Claude Opus 4.8 的对比结果，同时成本约为后两者的 4.3% 和 1.5%。

在 ScienceBoard 上，使用相同模型时，演化接口将成功率从 41.4% 提升至 58.6%。这说明收益并不局限于通用桌面操作，也可能延伸到需要使用科学软件的任务场景。

意义与局限

这项工作把智能体优化的重点，从“换更大的模型”扩展到“让模型拥有更合适的行动语言”。一个好的接口可以把多次鼠标点击压缩为一次高层操作，也能帮助智能体更早判断何时应调用代码、shell 或图形界面。模型能力、工具设计和工具选择策略因此形成了新的联合优化空间。

不过，论文摘要并未展示全部接口细节，也没有说明这些机制在更多应用和真实工作流中的稳定性。验证任务上的泛化结果是积极信号，但接口演化仍需要面对安全控制、错误操作成本以及不同软件生态之间的迁移问题。更值得关注的是，未来的电脑使用智能体或许不再只是使用工具，而是会参与定义工具本身。

来源：Hugging Face Daily Papers