微软与UCSB发布ScholarEvolve：AI代理可读论文自改代码
该框架让AI代理搜索arXiv论文、检查代码并实施修改，在AppWorld测试中Qwen3.5-27B任务完成率从69.0%升至81.4%。
加州大学圣塔芭芭拉分校（UCSB）与微软的研究人员通过在线预印本库arXiv发布了一个名为ScholarEvolve的框架，该框架允许AI代理阅读学术论文并修改自身代码以提升性能。据aitimes.com报道，这一框架将代理拆分为五个模块：工具接口、上下文管理、技能、记忆和工作流。
在具体运作上，ScholarEvolve会先在arXiv上搜索学术论文，由研究代理阅读论文并核查官方代码，再由编码代理实施修改。候选修改会在验证数据上评估，只有当整个系统确认改进后，才会替换现有配置。
在AppWorld常规测试中，Qwen3.5-27B的任务完成率从69.0%提升至81.4%。研究人员称，这将与GPT-5.4的性能差距缩小了约74%。在tau-Bench Telecom测试中，GPT-5.4 mini的完成率从72.7%提升至81.9%。
在使用未见过的亚马逊和Gmail API的AppWorld Challenge测试中，Qwen3.5-27B代理的完成率从49.6%升至63.6%，比Meta-Harness高出9个百分点。在出现Python执行错误的案例中，改进后的代理完成了59.9%的任务，而原始配置为44.9%。
研究团队在保持Qwen模型权重和现有任务数据不变的情况下运行了三轮进化，AppWorld性能每轮均有提升。
快速问答
ScholarEvolve是什么？
它是UCSB与微软研究人员发布的框架，让AI代理搜索arXiv论文、核查代码并修改自身代码以提升性能。
ScholarEvolve在哪些测试上表现提升？
在AppWorld常规测试中Qwen3.5-27B从69.0%升至81.4%，在tau-Bench Telecom测试中GPT-5.4 mini从72.7%升至81.9%。