@yacinelearning: 如果你有兴趣了解自动研究背后的基础设施，那么这场与Paradigma团队的1小时30分钟访谈……
摘要
访谈讨论了使用DAG进行自动研究的基础设施，包括智能体如何执行DAG以及如何构建大型公共DAG。
如果你有兴趣了解自动研究背后的基础设施，那么这场与Paradigma团队的1小时30分钟访谈正是为你准备的。
在这次访谈中，我们探讨了：
- 为什么DAG是优秀的研究基础
- 如何让智能体运行该DAG
- 创建大型公共DAG的方法
- 如何避免糟糕的DAG https://t.co/y8wDehUjoo
查看缓存全文
缓存时间: 2026/05/26 09:07
如果你有兴趣了解自动研究背后的基础设施，这里有一个1.5小时的访谈，专门面向paradigma团队的成员。
我们讨论了以下内容：
- 为什么有向无环图（DAG）是绝佳的研究基础
- 如何让智能体运行这个DAG
- 构建大型公共DAG的方法
- 如何避免糟糕的DAG https://t.co/y8wDehUjoo
相似文章
@mylifcc: Auto-Research 基础设施天花板来了！ Yacine 1.5 小时深度访谈 Paradigma 两位创始人，硬核拆解 DAG 如何成为自主科研的底层基建： •为啥 DAG 是研究的最佳 substrate（远超线性论文） •Ag…
Yacine进行了一次1.5小时的深度访谈，与Paradigma创始人讨论如何将DAG（有向无环图）作为自主科研的底层基础设施，涵盖Agent运行、大型公开DAG构建、避免坏DAG等核心主题。
@lftherios：1/ @karpathy 的 autoresearch 是今年最具代表性的智能体范式之一。问题在于……
Andrej Karpathy 的 autoresearch 范式揭示：当下 AI 智能体各自为战做实验，重复劳动、浪费算力，还不断「重新发明」死路。
@omarsar0: 如何有效运行自主长时编码代理？这是关于代理的最激动人心的讨论之一……
一场关于如何有效运行自主长时编码代理的录播讨论，包含目标设定、模型选择及最佳实践等见解，现已免费提供。
@yoheinakajima: 在 arxiv 论文 #2 中，我处理了论文 #1 中的最后一个主题：@activegraphai 作为自我改进代理的架构可供性 self-improv…
本文介绍了Regimes，一种基于ActiveGraph运行时的可审计、保留门控改进循环，用于自我改进代理。它通过在LongMemEval数据集上自主发现通过静态检查、沙盒执行和保留验证的提示修复，展示了适度的改进。
@awrigh01: https://x.com/awrigh01/status/2056841869594918918
深入探讨自治代理参与市场所缺失的基础设施，将技术栈分解为信任平面、市场平面和控制平面，并重点介绍ERC-8004作为关键标准。