跳转至

文章背景与核心概要

长期以来，自主AI智能体在规划和生成行动时，往往忽略了底层物理约束（如内存限制、执行时间、运行时环境以及计算预算）对其成败的决定性作用。这种在智能体规划状态中缺失运行环境约束的现象被称为“底层盲视”（Substrate Blindness）。本文作者Manu Agrawal通过对三大前沿大模型（Anthropic Claude Opus 5、OpenAI GPT-5.6-Sol和Google Gemini 3.7 Flash）在数值代码生成任务中的测试，深入研究了这一现象。

研究发现，向智能体明确提供严格的运行契约（如128 MB内存和10.0秒运行时间）能够显著改变代码生成的行为。契约的披露不仅在绝大多数对比测试中降低了峰值进程内存、缩短了平均运行时间（最高加速达3.1倍），还促使生成的程序做出了积极的结构性调整（如有限阻塞、保留float32、上三角遍历以及就地或内存映射缓冲区）。在严苛的96 MB预算压力测试中，具备上下文感知的模型成功率大幅提升（最高达5/5），而未提供契约的对照组则表现惨淡。这些结果确立了一个基础概念证明：将执行上下文作为一等输入，能够使AI智能体主动调整其执行计划，将计算从无约束的分配中转移开，并在执行前大幅优化资源与时间消耗曲线。

Substrate-Aware AI Agents: Execution Context as a First-Class Input

Authors: Manu Agrawal
Submitted: September 4, 2026
Primary Subject: Artificial Intelligence (cs.AI)
arXiv ID: arXiv:2609.05232
DOI: 10.48550/arXiv.2609.05232
Artifacts & Code: GitHub Repository

Abstract Summary

Autonomous AI agents frequently select actions in operational environments where physical constraints—such as memory limits, execution time, runtime environments, and compute budgets—dictate whether a generated plan will succeed. The omission of this operational environment from an agent's planning state is defined as substrate blindness.

自主AI智能体经常在各种运行环境中选择行动，在这些环境中，物理约束（如内存限制、执行时间、运行时环境和计算预算）决定了生成的计划是否能够成功。将这种运行环境从智能体的规划状态中忽略的现象，被定义为底层盲视（Substrate Blindness）。

To evaluate this phenomenon, the author examines numerical code generation through tests on three frontier model configurations: * Anthropic Claude Opus 5 * OpenAI GPT-5.6-Sol * Google Gemini 3.7 Flash

为了评估这一现象，作者通过对三种前沿模型配置的测试，考察了数值代码生成的表现： * Anthropic Claude Opus 5 * OpenAI GPT-5.6-Sol * Google Gemini 3.7 Flash

Key Findings

  • Performance Impact: Providing a strict operational contract (128 MB RAM and 10.0s wall-time) significantly altered code generation. Contract disclosure reduced measured peak process memory in 13 out of 14 executable index-aligned comparisons and lowered mean wall time across all cohorts, accelerating execution by up to 3.1x.
  • Structural Adaptations: Disclosing the execution environment induced proactive structural changes in the generated programs, including bounded blocking, float32 retention, upper-triangle traversal, and in-place or memory-mapped buffers.
  • Tight Budget Stress-Test: At a restricted 96 MB contract:
  • GPT-5.6-Sol achieved a 5/5 success rate (correct-and-within-budget), compared to 1/5 without the contract.
  • Claude Opus 5 achieved 4/5 (compared to 0/5).
  • Gemini 3.7 Flash achieved 3/5 (compared to 0/5).
  • Cohort mean MaxRSS and wall time were 49–74% and 35–64% lower, respectively, than their task-only reference groups.

关键发现

  • 性能影响： 提供严格的运行契约（128 MB内存和10.0秒挂钟时间）显著改变了代码生成。在14组可执行的索引对齐比较中，披露契约有13组减少了测得的峰值进程内存，并降低了所有同类群组的平均挂钟时间，执行速度最高提升了 3.1倍。
  • 结构自适应： 披露执行环境促使生成的程序发生了积极的结构性变化，包括有限阻塞（bounded blocking）、保留float32、上三角遍历（upper-triangle traversal）以及就地（in-place）或内存映射缓冲区。
  • 紧缩预算压力测试： 在受限的96 MB契约下：
  • GPT-5.6-Sol 取得了 5/5 的成功率（正确且在预算范围内），而无契约时仅为 1/5。
  • Claude Opus 5 取得了 4/5（无契约时为 0/5）。
  • Gemini 3.7 Flash 取得了 3/5（无契约时为 0/5）。
  • 各群组的平均最大驻留集大小（MaxRSS）和挂钟时间分别比仅任务（task-only）参考组低 49–74% 和 35–64%。

These results establish a foundational proof of concept: treating execution context as a first-class input allows AI agents to proactively adapt their plans, shifting computation away from unconstrained allocations and drastically improving resource-time profiles prior to execution.

这些结果确立了一个基础的概念证明：将执行上下文作为一等输入，可以使AI智能体主动调整其计划，将计算从无约束的内存分配中转移开，并在执行前大幅改善资源-时间消耗曲线。