当 AI 开始为 AI 造“认知外骨骼”：不训模型，也能让小 AI 能力翻倍？AI4AI 正从这里开始
2026.08.30 · 观点 · 论文 · 论文预印本
Salesforce AI与UIUC研究：强模型自动为弱模型设计外部框架，使其准确率从0.488提升至0.912。
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Harness（外部工作框架），在不训练弱模型的情况下，将GPT-5.4-mini的平均准确率从0.488提升至0.912，接近翻倍。该研究认为，迁移的并非知识，而是认知结构，即通过外部程序降低模型的认知负担。
- 强模型自动设计Harness，弱模型准确率提升86.7%
- 最佳Harness使GPT-5.4-mini准确率达0.912
- 外部代码比例与准确率正相关(r=0.72)
- 认知负担降低是能力迁移的关键
- 不同任务可外化程度差异大，从94%到36%
为什么值得看
展示AI能力提升的新路径：不依赖模型训练，而是通过外部框架设计。
适合谁关注
关注AI模型优化、Agent开发及AI系统架构的研究者和工程师。