新聞

Nvidia上周五（8/21）發表AI代理人架構AVO（Agentic Variation Operators），讓AI模型能夠持續執行多步驟、長時間的複雜任務。AVO不是新的AI模型，而是搭配模型運作的Agent系統，讓模型可以持續採取行動、觀察結果並修正策略。

Nvidia表示，AI模型本身具備推理能力，但若要長時間自主工作，還需要記憶、工具及回饋機制。AVO因此加入持久記憶與監督機制，前者保存過去的實作與測試結果，後者則在代理人陷入停滯時協助改變策略。

AVO最初用於軟體工程及GPU核心最佳化。Nvidia讓AVO自行檢查程式、提出修改、執行測試，再根據結果繼續修改。在一項實驗中，AVO連續自主運作7天，探索超過500種最佳化方向，最終產生40個核心版本。

Nvidia接著測試AVO能否應用在其他任務，並將它用於ARC-AGI-3推理測試。這項測試中的AI一開始不知道環境規則，也沒有明確目標，必須透過實際操作觀察結果，逐步找出解決方法。AVO搭配Claude Opus 5後，完成公共測試集全部25個環境、183個關卡，取得100.00的RHAE分數。

相較之下，另一支研究團隊針對ARC-AGI-3打造的「視覺版」Agent框架VISTA，同樣以Claude Opus 5完成183個關卡，卻使用了7542次環境動作；AVO則以6624次動作完成，減少約12%。

Nvidia 強調，Claude Opus 5在無Agent架構輔助下的基準測試得分僅約 30%。這次獲得滿分，反映的是「模型＋AVO架構」整合後的系統級表現，證明了決定AI長時間自主能力的瓶頸往往不在模型本身，而在於外圍的系統設計。

外界對此看法不一，部分業界人士認為這印證了Agent框架設計與模型本身同等重要，但也有聲音指出，這次成績僅限公開測試集，且相關數字尚未經第三方驗證。不論如何，Nvidia目前並未公開AVO的原始碼、模型權重或API，外界無法直接存取該系統。