SoL-Pi：通过递归扩展自动研究循环优化智能体 Harness

英伟达等机构提出 SoL-Pi 框架，通过在 Harness 层递归扩展自动化研究循环，以降低自主编程智能体在全天候长程探索中的 Token 消耗与运行成本。

• 针对代码智能体向无监督长轨迹演进时推理与工具调用开销激增的问题，该研究在多样化 rollout 环境中自动化筛选并保留了 4 种核心机制，涵盖动作执行、上下文压缩、观测处理及委托阅读。
• 在包含 51 个任务的 EdgeBench 评测中，SoL-Pi 在 GPT-5.6 Sol 和 Opus 5 等模型上保持了与基线 Pi 相当的任务完成能力。
• 实验数据显示其将记录的 Token 流量降低了 44.7% 至 49.0%，API 费用减少约三分之一；相比 Codex 和 Claude Code 原生 Harness 每小时预估可节省 8.75 至 13.50 美元。
• 影响/看点：在 Harness 调度层进行工程压缩证明了在不改动基础模型权重的前提下可大幅压缩长时间运行智能体的推理开销，该方案的大规模落地取决于其压缩策略在高度定制化私有代码仓库中的泛化表现。
• 资料依据：
• arXiv（2026-09-17）：https://arxiv.org/abs/2609.20519
• GitHub（2026-09-17）：https://github.com/NVlabs/SoL-Pi

本内容由 AI 生成，仅供参考，请注意甄别