论文页面 - SoL-Pi：高效智能体框架的递归扩展自动研究循环

来源：https://huggingface.co/papers/2609.20519 作者： , , , , , , , , , , , ,

摘要

随着编码智能体从监督式代码补全转向全天候无人值守的探索，其工作从孤立的预测扩展为包含推理、工具使用和反馈的长序列过程。因此，令牌效率对于扩展递归自我改进变得至关重要。我们在框架层采用受RSI启发的策略，通过在越来越多且多样的环境中扩展自动研究循环来优化框架运行。在这种规模下，该过程产出的可复用改进超出了其原始开发场景的范围，推动自动框架发现走向生产级成果。四种机制经筛选保留下来，共同构成SoL-Pi，涵盖动作执行、上下文压缩、观测处理和委托阅读。在51项任务的EdgeBench评估中，SoL-Pi在GPT-5.6Sol和Opus5上达到了与Pi相当的性能，同时将记录的令牌流量减少了44.7-49.0%，API成本降低了约三分之一。换言之，与原生Codex和ClaudeCode框架相比，估计每小时可节省8.75-13.50美元；与Pi相比，每小时可节省4.36-5.71美元。

查看arXiv页面 (https://arxiv.org/abs/2609.20519)查看PDF (https://arxiv.org/pdf/2609.20519)项目页面 (https://nvlabs.github.io/SoL-Pi/)GitHub 2.19k (https://github.com/NVlabs/SoL-Pi)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.20519)

在智能体中获取此论文：

hf papers read 2609.20519

没有最新CLI？请运行：curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

没有模型链接此论文

在模型的README.md中引用 arxiv.org/abs/2609.20519，即可从本页面链接。

引用此论文的数据集 0

没有数据集链接此论文

在数据集的README.md中引用 arxiv.org/abs/2609.20519，即可从本页面链接。

引用此论文的Spaces 0

没有Space链接此论文

在Space的README.md中引用 arxiv.org/abs/2609.20519，即可从本页面链接。

包含此论文的收藏夹 0

没有收藏夹包含此论文

将此论文添加到收藏夹 (https://huggingface.co/new-collection)即可从本页面链接。