华为诺亚SCOPE发布：Prompt自我进化提升HLE成功率
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
机器之心发布
在 LLM Agent 领域，有一个常见的问题：Agent 明明 "看到了" 错误信息，却总是重蹈覆辙。
当 Agent 遇到工具调用错误时，错误日志里往往已经包含了解决方案 —— 正确的参数格式、有效的 API 用法、甚至是直接可用的替代方案。然而，静态的 Prompt 无法让 Agent 从这些反馈中 “学到教训”，导致它们陷入 “错误循环”：承认失败，却重复同样的动作。
华为诺亚方舟实验室与香港中文大学联合发布的 SCOPE 框架，旨在解决这一问题。
论文：《SCOPE: Prompt Evolution for Enhancing Agent Effectiveness》论文地址：https://arxiv.org/abs/2512.15374开源地址：https://github.com/JarvisPei/SCOPE
SCOPE 的核心思想是：既然 Agent 会被反复调用，那么它的 Prompt 就可以在执行过程中不断进化。通过从执行轨迹中自动提炼指导规则，SCOPE 让 Agent 能够 "从错误中学习"，并将经验固化到 Prompt 中，实现自我进化。
Agent 的两大失败模式
研究团队分析了 GAIA 和 DeepSearch 基准上的 Agent 执行日志，发现了两类典型的失败模式：
第一类是「纠正型失败」(Corrective Failure)：当错误发生时，执行轨迹中包含明确的信号（错误消息、堆栈跟踪、有效参数列表），本应指导 Agent 进行修正。然而，静态的 Agent 把这些信息当作泛泛的 “警报”，而不是可操作的反馈。研究者观察到大量案例，Agent 在错误消息明确列出正确用法的情况下仍然误用工具，形成 “错误循环”。更严重的情况下，Agent 甚至会为了继续执行而 “编造数据”。
第二类是「增强型失败」(Enhancement Failure)：即使没有明显错误，Agent 也会错过优化机会。比如当搜索结果不理想时，上下文往往暗示可以尝试同义词（如 “base on balls” 与 “walks”），但 Agent 却固守单一关键词策略。这种失败更加隐蔽，但同样影响任务成功率。
这两类失败的根本原因是相同的：静态 Prompt 缺乏从执行反馈中学习的机制。
SCOPE 框架：从执行轨迹中学习
针对上述问题，SCOPE 将上下文管理从手动工程任务转变为自动优化过程。其核心洞察是：Agent 自身的执行轨迹就是最好的学习信号。
SCOPE 框架由四个核心组件构成：
1. 指导规则合成（Guideline Synthesis）
当 Agent 遇到错误或完成子任务时，SCOPE 的生成器（Generator）会分析执行轨迹，合成候选指导规则。这里采用 Best-of-N 策略：生成多个候选规则，然后由选择器（Selector）挑选最佳的一条。
针对不同场景，SCOPE 使用两种合成模式：纠正型合成从错误中提取教训，增强型合成从成功模式中挖掘优化机会。实验表明，增强型规则占所有合成规则的 61%，说明 SCOPE 不仅仅是 “错误修复器”，更是一个主动的优化器。
2. 双流路由机制（Dual-Stream Routing）
合成的规则并非同等对待。SCOPE 引入分类器（Classifier）将规则路由到两个记忆流：
战术记忆（Tactical Memory）：存储任务特定的规则，如 “当前数据集的‘Amount’列包含货币符号，计算前需进行清洗”。这些规则仅在当前任务的数据上下文中有效。战略记忆（Strategic Memory）：存储跨任务通用的规则，如 “当 Web 搜索返回结果为空时，尝试泛化搜索关键词而不是重复搜索”。这些规则会持久化保存，应用于未来所有任务。
只有高置信度（阈值设为 0.85）的通用规则才会被提升到战略记忆，避免过拟合到特定任务。
3. 记忆优化（Memory Optimization）
随着规则积累，战略记忆可能包含冗余或冲突的内容。SCOPE 的优化器（Optimizer）会执行三步清理：冲突解决（合并矛盾规则）、冗余剪枝（移除被更通用规则覆盖的具体规则）、整合归并（将相似规则合并为综合性规则）。
4. 视角驱动探索（Perspective-Driven Exploration）
单一进化路径可能收敛到某种策略，在部分任务上表现较好但在其他任务上失效。为了提高策略覆盖，SCOPE 初始化多个并行流，每个流由不同的 "视角" 引导（如效率优先 vs. 周全优先），各自进化出不同的 Prompt。测试时选择最佳结果。
实验结果：HLE 成功率从 14% 提升到 39%
研究团队在三个基准上进行了评估：HLE（2500 道专家级问题）、GAIA 和 DeepSearch。
实验结果表明，SCOPE 在所有基准上都取得了提升：
在 HLE 基准上，SCOPE 将任务成功率从 14.23% 提升到 38.64%。在 GAIA 基准上，成功率从 32.73% 提升到 56.97%。
为了更准确地表达不同组件的贡献，论文中给出了消融实验。如下图所示，指导规则生成器提供 + 4.85% 的初始提升，双流路由贡献 + 3.63%，Best-of-N 选择贡献 + 3.03%，记忆优化贡献 + 1.82%，而视角驱动探索带来 + 10.91% 的提升。
值得注意的是，在知识密集型领域（如生物 / 医学、化学），SCOPE 的提升较为明显：生物 / 医学从 14.9% 提升到 43.2%，化学从 14.1% 提升到 50.3%。这些领域的问题往往涉及复杂的专业概念和严格的推理流程，SCOPE 合成的领域特定规则能够帮助 Agent 更好地理解和遵循这些要求。
Agent 真的在 "听话" 吗？
一个关键问题是：合成的规则是否真正影响了 Agent 的行为？
如下图所示，研究团队观察到了 "语言采纳" 现象：当 SCOPE 合成了 "始终列出所有可能的标签同义词和短语变体" 这一规则后，Agent 后续输出中直接引用了相同的措辞。这表明规则被整合到了 Agent 的决策过程中。此外，行为变化通常在规则合成后几秒内就会发生，展示了单个任务内的实时适应能力。
视角驱动策略多样性
视角驱动探索的设计得到了实验验证。如下图所示，效率流（Efficiency Stream）和周全流（Thoroughness Stream）的总体准确率相近（44.85% vs 46.06%），但两者解决的问题重合度仅为 33.94%，这意味着约 23% 的问题只能被其中一个视角解决。
效率流在 GAIA 的 Level 3 任务上表现更好（26.92% vs 11.54%），说明精简的上下文管理对复杂长程任务更有效；而周全流在 Level 2 任务上更强。全局集成捕获了两种策略的优势。
定性分析显示，面对同一个 HTTP 403 访问拒绝错误，效率流学会 “快速失败”—— 立即升级到搜索 Agent，不再重试；而周全流则学会 “寻找替代来源”—— 尝试 Archive.org 或转录工具。这种二元性让 SCOPE 能够同时处理时间紧迫型和深度检索型任务。
SCOPE 的意义
华为诺亚方舟实验室与香港中文大学联合提出的 SCOPE 框架，通过将执行轨迹作为学习信号、将 Prompt 视为可进化的参数，实现了 Agent 的在线自我优化。
与现有方法相比，SCOPE 具有三个主要特点：
步级别适应（Step-level adaptation）：在执行过程中更新 Prompt，允许从任务中途的失败中恢复，而非等到任务结束才学习。单 Agent 优化（Per-agent optimization）：每个 Agent 角色基于自身特定的模式进化 Prompt，而非使用 "一刀切" 的策略库。主动优化：61% 的规则来自成功模式的增强型合成，而非仅仅修复错误。
SCOPE 的代码已在 GitHub 开源。正如论文所总结的：“与其工程化静态 Prompt，不如让 Agent 在线进化自己的 Prompt。” 这一思路可能为下一代 Agent 系统的设计提供新的方向。
值得一提的是，SCOPE 的开源实现具有较好的实用性：
即插即用：只需在 Agent 执行循环中调用 `on_step_complete ()` 接口，即可为现有 Agent 系统添加自我进化能力，无需修改原有架构。模型无关：通过统一的适配器接口支持 OpenAI、Anthropic 以及 100 + 其他模型提供商（via LiteLLM），方便开发者使用自己偏好的模型。轻量部署：核心依赖精简，可通过 `pip install scope-optimizer` 一键安装。
SCOPE 提供了一套完整的实现框架，其核心洞察是：Agent 的执行轨迹本身就是最好的学习素材 —— 关键在于如何将这些经验有效地编码到 Prompt 中。对于希望增强 Agent 系统效能的开发者而言，SCOPE 提供了一个可直接使用的解决方案。
相关攻略
2026中关村论坛年会正在举行，重装亮相的中关村常设展，让前沿科创成果真正做到了眼可看、手可触。记者探馆发现，医疗健康展区成为全场焦点之一。往来观众围着展台驻足、提问、拍照，从脑血管病治疗神经介入器
本报（chinatimes net cn）记者王敬 北京报道最新统计数据显示，我国听力损失人数约2 2亿，其中60岁以上人群听力损失现患率达45%。在人人都能通过电视、网络便捷获取信息的今天，你是否
文｜半导体产业纵横2026年3月，国家药监局正式批准了博睿康医疗科技自主研发的植入式脑机接口手部运动功能代偿系统创新产品注册申请。作为全球首款获批上市的侵入式脑机接口医疗器械，这一事件将脑机接口技术
当下，围绕词元的调用、分发与结算，一套新的价值体系正在加速演进形成，并成为人工智能产业商业化的重要路径。那么词元经济为何突然“出圈”？又释放了哪些信号？国家数据局发布的数据显示：2024年初，中国日
2026年3月24日，国家数据局首次在最新语境中确立“词元”为Token的标准译名，并披露国内日均Token调用量已突破140万亿。但这仍只是“文本时代主导”的规模。在语音、视频与实时交互驱动的多模
热门专题
热门推荐
三月的丽江，春风载着光影的诗意，vivo于此启幕春季新品发布会，年度影像旗舰vivo X300 Ultra将如约登场。我们有幸提前执掌这款被赋予“专业V单”称号的新机，今日便与你一同，沉浸式解锁这台
悟空浏览器支持五种调出搜索悬浮窗的方式：一、地址栏长按；二、左边缘手势滑动；三、启用chrome: flags中的“Enable search bubble UI”；四、侧边栏添
快科技3月30日消息，日前，宝马产品负责人贝恩德·克尔伯在接受BMW Blog采访时明确表示，公司对增程车型持观望态度，虽技术上完全可行，但现实需求尚未明确，暂未做出量产决策。这一表态与宝马研发负责
大象新闻·大象财富记者 李莉 张迪驰3月29日，以“发挥主流媒体引领力 激发多元主体创造力——共创繁荣网络内容生态”为主题的2026中国网络媒体论坛在河南郑州开幕。腾讯携AI全景亮相，展示“从效率伙
3月29日，广汽丰田首款大型纯电轿车铂智7正式上市。新车推出600km和700km两种续航版本共5款配置，限时补贴权益后售价区间为14 78万元至19 98万元。作为广汽丰田继铂智3X之后的第二款纯