Schema：通过智能体程序归纳发现未知环境

一篇 arXiv 论文提出 Schema，一种通过交互式程序归纳来组织学习与行动的 agent harness。LLM agent 自行决定调查什么、如何行动，并把对环境的理解写成可执行程序；harness 包含持久程序工作区和少量接口，用于对照交互历史检查程序、在其中规划并在逐步验证下执行。同一基础模型下，Schema 把 ARC-AGI-3 RHAE 从 58.7% 提升到 99.2%，解决 100% 的公开 DiG-bench 游戏，并在 MazeBench 上达到人类前 50 名玩家的中位表现。

此前 LLM agent 多把在陌生环境中的发现记录为自然语言散文，难以形成紧凑、可检验的环境模型。Schema 改为把理解写成可执行程序，并对照交互历史验证，从而在未知规则环境中获得可复现的性能提升，且提升来自同一基础模型，说明 harness 设计本身是主要变量。

机制是把科学理论构建过程搬到 agent 中：agent 先决定探索什么，再把观察归纳为可执行程序，程序同时充当环境模型和行动依据；harness 用交互历史检查程序是否成立，在程序内做规划，并对执行步骤逐步验证，从而减少自然语言描述带来的含糊和不可检验性。消融实验显示各组件均有贡献。

对构建 agent 产品的团队，这意味着可以把环境理解从提示词或日志中抽离为持久、可验证的程序资产，降低长任务中的状态漂移和重复探索；在游戏、仿真、流程自动化等规则未知或部分已知的场景中，可先用程序归纳建模再执行计划，提升任务完成率与可调试性。

• 在 agent 产品中加入持久程序工作区，把环境假设写成可执行程序并随交互历史自动校验。
• 针对游戏或仿真测试平台，提供程序归纳式的自动化探索模块，替代纯提示词试错。
• 为 agent 执行链路加入逐步验证接口，在每步行动前检查是否偏离已归纳的环境模型。
• 将环境发现结果沉淀为可复用的程序库，用于同类任务的冷启动。

• Schema 在 ARC-AGI-3、DiG-bench、MazeBench 之外的真实业务环境中是否同样有效。
• 程序归纳对基础模型能力、token 成本与推理延迟的具体开销未在证据中说明。
• 持久程序工作区在长时间运行后是否会积累错误假设，以及如何回滚。
• 该 harness 是否可复现，代码或接口是否公开。