Dynamic cognitive scaffolding beschrijft AI-agents die per taak bepalen hoe ze die in stappen opdelen, in plaats van altijd één vast recept te volgen. Neem de vraag "welke leverancier leverde vorig jaar het vaakst te laat?": daar is wat interpretatie voor nodig, een paar opzoekingen en een telling. Zo'n agent plant die mix per vraag. Een vast recept werkt tot een vraag er niet in past.
Waar komt de term vandaan?
In AI is een scaffold het programma rond een taalmodel dat de aanroepen van modellen en tools regelt. Scaffolds als ReAct, CodeAct, Deep Research-agents en recursive language models (RLM's) leggen vooraf vast hoe een taak wordt opgedeeld, stellen de auteurs van Deep Reasoning in General Purpose Agents via Structured Meta-Cognition. Hun paper, van de University of Washington, verscheen op 12 mei 2026 op arXiv en bouwt de scaffold juist per taak, op het moment dat die nodig is. De auteurs noemen de aanpak Deep Reasoning en hun agent DOLORES; "dynamic cognitive scaffolding" is een beschrijvende naam voor hetzelfde idee, niet hun eigen term. In het onderwijs betekent scaffolding iets anders: de ondersteuning die een docent een leerling geeft (instructional scaffolding).
Hoe werkt DOLORES?
DOLORES (Deep Layered Reasoning Scaffold) deelt een taak op in drie soorten stappen:
- Associatieve stappen: een aanroep van een taalmodel voor een inschatting, zoals "the City by the Bay" lezen als San Francisco.
- Formele stappen: Python-code voor alles wat regels volgt, zoals tellen en het maximum nemen.
- Recursieve stappen: DOLORES roept zichzelf aan voor een deeltaak, in een eigen omgeving.
Een taalmodel kiest de opdeling, geleid door voorbeelden in de prompt: opdelingen van voorbeeldtaken die mensen hebben uitgedacht en die de auteurs in de formele taal van de paper hebben vertaald. De agent werkt in een Python-REPL, vergelijkbaar met een notebook, en elke recursieve aanroep krijgt een eigen REPL.
Wat lieten de tests zien?
De auteurs vergeleken DOLORES met ReAct, CodeAct, een Deep Research-agent en een RLM op vier benchmarks: SynthWorlds en PhantomWiki (vragen die meerdere tussenstappen vergen), DeepSearchQA (zoeken in onderzoeksstijl) en Oolong-real (informatie samenvoegen uit zeer lange documenten). Ze gebruikten Qwen3-8B, Qwen3-32B en Llama-3.3-70B. DOLORES scoorde het best in 11 van de 12 combinaties van benchmark en model, gemiddeld 24,8% hoger dan de sterkste vergelijkingsmethode per taak; de uitzondering was CodeAct op SynthWorlds met Llama-3.3-70B. Met het 8B-model versloeg het op SynthWorlds elke 32B-vergelijkingsmethode (0,305 tegen hoogstens 0,281).
In een analyse van runs met Qwen3-32B waren de belangrijkste faalwijzen te vroeg opgeven en hallucineren. De auteurs wijten beide aan vaste scaffolds die te veel op één draad van de context van het model laden.
Wat kost het?
- Tokens. DOLORES start veel draden en gebruikte gemiddeld 12,9 keer zoveel tokens, al gebruikte elke draad 71% minder redeneertokens.
- Menselijke voorbeelden. Zonder de voorbeeldopdelingen in de prompt daalden de scores gemiddeld met 70%, en instructies in gewone taal op hun plaats deden het nog slechter. De auteurs concluderen dat huidige modellen nog niet zelf goede opdelingen bedenken.
- Expertise. Goede opdelingen schrijven vraagt kennis van de methode, en complexe vakgebieden kunnen er veel nodig hebben, merken de auteurs op.
Voorbeeld
Het doorlopende voorbeeld van de paper, gebaseerd op DeepSearchQA, vraagt welk volleybalveld in "the City by the Bay" de meeste wedstrijden had die in een tiebreak eindigden. DOLORES leest de uitdrukking als San Francisco (associatief), roept zichzelf aan om de volleybalvelden daar op te sommen (recursief), en telt in code de tiebreaks per veld en kiest het maximum (formeel). De code staat op GitHub.