今天的这篇的主题是: SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent Harness
Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要,也不是泛泛而谈,而是让 AI 帮你把论文掰开揉碎,说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域,每期挑一篇值得关注的工作,用对话的方式聊给你听。你可以在通勤路上听,做实验的时候听,也可以当背景音放着,让新知识自然地长进脑子里。
如果你正在做有意思的研究,想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们,我们帮你用 AI 做一期深度解读,让你的工作被更多同路人发现。
联系小助手微信:eccstartup(加群/投稿论文)
Summary
随着编程智能体从有监督的代码补全转向无人值守、全天候的自主探索,其工作范围也从孤立的预测扩展为包含推理、工具使用和反馈的长轨迹。因此,Token 效率成为扩展递归自我改进(Recursive Self-Improvement,RSI)的重要因素。
我们在智能体运行框架(harness)层采用一种受 RSI 启发的方法,通过在数量不断增加、类型日益多样的环境中扩展自动化研究循环,开展 harness 的执行轨迹实验(rollouts)。在这一规模下,该过程能够产生可复用的改进,并将其迁移到开发环境之外,从而推动自动化 harness 发现逐步达到生产级效果。
经过筛选,最终有四种机制得以保留,共同构成 SoL-Pi,分别涵盖动作执行、上下文压缩、观测处理和委托式阅读。
在包含 51 项任务的 EdgeBench 评测中,SoL-Pi 在 GPT-5.6 Sol 和 Opus 5 上均实现了与 Pi 相当的性能,同时将记录的 Token 流量减少了 44.7%–49.0%,并将 API 成本降低了约三分之一。
换言之,与原生 Codex 和 Claude Code harness 相比,SoL-Pi 预计每小时可节省 8.75–13.50 美元;与 Pi 相比,预计每小时可节省 4.36–5.71 美元。
原文链接:arxiv.org

