Les agents informatiques capables d'utiliser un ordinateur sont généralement limités par des interfaces conçues manuellement par des humains, ce qui les pousse souvent vers des comportements inefficaces : un agent peut remplir une feuille de calcul cellule par cellule plutôt que d'exécuter un simple script, ou parcourir des milliers de lignes d'un fichier via un shell pour localiser une seule fonction. Un nouvel article soutient que ce goulot d'étranglement peut être résolu en faisant de la conception des interfaces elle-même une capacité que l'agent apprend, plutôt qu'une infrastructure figée que les ingénieurs doivent entretenir à la main pour chaque nouvelle application ou modèle.
Les auteurs présentent Agent S4, décrit comme un scientifique informatique autonome qui construit ce qu'ils appellent des Evolving Agent Interfaces directement à partir de l'expérience accumulée sur des tâches. Un méta-agent examine les trajectoires générées par des agents d'exécution sur des tâches d'entraînement synthétiques, sans disposer d'étiquettes de succès, et utilise ces observations pour construire et réviser un répertoire d'interfaces et de connaissances d'usage. Un processus évolutif basé sur une population sélectionne ensuite les variantes de répertoire à approfondir, en fonction de leurs performances sur des tâches de validation que le méta-agent ne voit jamais, ce qui privilégie les modifications qui se généralisent plutôt que celles qui se contentent de coller aux données d'entraînement.
Sur le benchmark OSWorld V2, Agent S4 associé au modèle Qwen3.8-27B et à son répertoire d'interfaces évolué atteint un score binaire de 21,3 %, soit près de quatre fois plus que le même modèle de base utilisant des interfaces fixes et construites à la main. Ce résultat dépasse également GPT-5.5 (13,0 %) et Claude Opus 4.8 (20,6 %) sur le même test, tout en ne représentant, selon les auteurs, qu'environ 4,3 % et 1,5 % du coût d'inférence respectif de ces deux modèles. Sur un autre benchmark, ScienceBoard, les interfaces évoluées font passer le taux de réussite du même modèle de base de 41,4 % à 58,6 %.
Ces résultats suggèrent que la conception des interfaces constitue un levier d'amélioration des agents distinct du simple passage à l'échelle des modèles ou de l'affinement des stratégies de prompting, et qu'il peut être automatisé plutôt que conçu à la main pour chaque nouveau flux de travail. Les auteurs ont publié leur code en open source, ce qui devrait permettre à d'autres équipes de recherche de vérifier si cette approche se confirme sur d'autres familles de modèles et domaines de tâches au-delà des deux benchmarks présentés ici.