@marfinxx: 斯坦福和MIT的这篇论文真是疯狂 一篇新研究论文证明，围绕……优化Python工具链可以……
摘要
斯坦福和MIT的研究论文表明，围绕LLMs优化Python工具链可以带来高达6倍的性能差距，而无需更改模型权重，类似Meta-Harness的系统能够自动化上下文进化。
查看缓存全文
缓存时间: 2026/08/19 16:44
这篇斯坦福与MIT的论文真是惊世骇俗
最新研究证明：仅通过优化LLM的Python封装层而不改变模型权重，就能实现最高6倍的性能差距
研究成果包括：外循环编码智能体搜索、对千万级追踪令牌的无限制文件系统访问，以及自进化上下文架构
执行追踪日志 → 文件系统grep诊断 → 因果故障隔离 → 外循环代码重写 → 帕累托最优封装
斯坦福研究团队推出Meta-Harness——这套自动化系统能动态优化控制上下文、记忆与检索的代码：
→ 全诊断级追踪访问 用完整文件系统访问替代易失真的标量评分与简略摘要。智能体提案器通过grep和cat命令检查原始执行日志与跨迭代源码
→ 代码空间因果故障分析 系统不再微调提示词，而是隔离混淆型回归错误，将下游异常追溯至早期上下文决策，并重写可执行的Python函数
→ 4倍令牌压缩与精度提升 发现的上下文管理策略以7.7分的优势超越前沿智能体记忆系统，同时减少4倍上下文令牌，收敛速度较传统优化器快10倍
→ 跨未见模型零样本迁移 单一发现的数学检索封装层，在五个完全未参与训练的前沿模型上，将200道IMO级别奥赛题的解题率提升4.7分
→ 假设验证与实证结果 斯坦福假设“基于原始执行追踪访问的代码空间优化”优于压缩式提示调优。生产级智能体管线的实际验证证实：分类准确率提升7.7分，上下文令牌开销降低75%
模型的封装代码与其权重同等重要。自动化封装工程架起了冻结LLM与自进化认知系统之间的桥梁
阅读下方完整解析 ↓
相似文章
来自 Meta 的一篇关于智能体框架（agent harness）优化的优秀论文。Meta-Harness 式的搜索方法只使用一个开发集和一个提议……
# Meta（联合 Duke 与 UC Davis）提出用于智能体 harness 优化的「自改进分支混合」框架 Meta 联合杜克大学（Duke）与加州大学戴维斯分校（UC Davis）提出了一种 **Mixture of Self-Improving Branches（自改进分支混合）** 框架，用于优化智能体 harness（运行框架）。该方法将原本单轨迹的 **Meta-Harness** 搜索拆分为多个**自适应分支**：每个分支拥有不断演进的开发子集（development subsets）和提案策略（proposal policies），并引入一个**路由器（router）**，针对每个输入动态选择表现最佳的分支。 该框架在多个基准上取得了显著提升： - **Olympiad 级别数学任务**：相对提升最高可达 **+34.8%** - **Terminal-Bench 2.0**：提升 **+11.6%** - **SWE-bench Lite**：提升 **+3.8%**
@omarsar0：大家，构建你自己的框架。这是来自NVIDIA关于自进化代理框架的绝佳论文。（收藏它…）
论文介绍了SoL-Pi，一种自动化框架发现方法，可将token使用量减少近一半，并将API成本削减约三分之一，同时在基准测试中保持性能，使用诸如GPT-5.6 Sol和Opus 5的模型。
@omarsar0: // 自我束具：能自我改进的束具 // （收藏这个）我们今天依赖的大多数智能体框架…
本文介绍了自我束具（Self-Harness），一种新的范式，其中基于LLM的智能体能够迭代地改进自身的操作束具——包括提示、工具和控制流程——无需人类工程师或更强大的外部智能体，在多个模型上取得了显著的性能提升。
@omarsar0: 令人印象深刻的论文，展示了工具对编码智能体结果的影响有多大。工具确实在智能体所获得的内容中扮演了重要角色……
本文介绍了ReFigBench，这是一个用于评估编码智能体将科学图表重建为可编辑PowerPoint幻灯片的基准测试，表明工具对不同模型家族的性能有显著影响。
@slash1sol: 这太他妈疯狂了。中国研究者刚刚放出一篇论文，标题足以让每一个 agent 框架都坐立不安……
中国研究者发表题为《The End of Harness Engineering》的论文，主张围绕模型编写的程序性 harness 应由自动化循环自动生成并打分迭代，人类只需负责编写评测集，而大模型本身保持不变。