Salesforce AI 和 UIUC 的研究人员提出了一种名为“AI4AI at Test-Time”的方法，通过让强模型为弱模型设计“认知外骨骼”（Harness），在不重新训练弱模型的情况下显著提升其能力。实验表明，GPT-5.4-mini 在自动构建的 Harness 辅助下，准确率从 0.488 提升至 0.912，接近翻倍。该研究揭示了 AI 能力迁移的新方向，即通过外部框架而非模型参数来增强性能。
SynthePulse Insight · AI 深度解读会员精读
版本 1 · 1 个来源
Salesforce AI 与 UIUC 的研究提出 Strong-to-Weak Scaffolding：让强模型为弱模型自动设计外部 Harness，在不训练参数的情况下，将 GPT-5.4-mini 的平均准确率从 0.488 提升至 0.912。这背后是认知负担的转移，而非知识迁移。
论文《AI4AI at Test-Time: Strong-to-Weak Capability Transfer via Harnesses》来自 Salesforce AI 和 UIUC，核心设定是：一个更强的 Builder AI 在开放编程环境中观察较弱的 Target AI 的错误，并为其设计 Harness——一套外部工作机制，包括任务分类、Prompt 选择、Python 程序、状态规则、答案检查等。Builder 只能看到每个 Benchmark 随机 5% 的 Validation Set，最终 Harness 冻结后用于未见过的 Hidden Test Set。
主实验中，GPT-5.4-mini 裸跑平均准确率 0.488，自动构建 Harness 后平均 0.763，最佳 0.912，相对提升约 86.7%。作为对比，更强的 GPT-5.4 裸跑仅 0.619。针对 GPT-5.4-mini 的 57 次 Scaffold Run 全部超过原始基线，11 种 Builder 配置平均均产生正向提升。
论文还对比了人工设计的 UserHarness：GPT-5.4-mini + Human-Inspired Harness 可达 0.939，自动 Harness 最佳 0.912 已接近，但在复杂 Benchmark 上仍有差距。
本文基于机器之心对论文的报道，所有数据均来自论文实验，但未经独立验证。论文为预印本（arXiv:2608.12307），尚未经同行评审。部分结论（如 AI4AI 的经济性）为论文提出的可能性，非实证结论。
主报道
主报道来源