ReASearch：让智能体通过推理自主优化提示词与 ML 工作流
Junbo Li · hf · 2026-08-10
当前优化提示词、程序和 ML 工作流的系统通常依赖显式的外部循环控制器（如进化搜索）。研究者提出了 ReASearch 框架，探索将搜索策略内化到单一的工具使用智能体中。
- 核心机制：智能体自主决定评估内容、诊断失败原因、进行修改并验证或重启。它主动分析结果、分配预算，并通过持久记忆在长周期内优化策略。
- 统一脚手架：使用共享的智能体循环和特定领域的工具，ReASearch 用完全相同的架构来优化提示词、程序和 ML 工作流。
- 显著效果：在 14 项不同任务中，性能优于专门的优化系统，比强基线提升 2% 到 40%，有时甚至能发现超越人类已知最佳结果的解决方案。复杂的搜索行为直接从智能体的推理过程中自然涌现。
「编程与Agent」频道最新
- Vjeux 解决 Agent 扩展瓶颈：用目录池替代频繁创建 Worktree — Vjeux · 2026-08-10
- SMRC-SD：解决多轮智能体蒸馏的状态失配问题 — Junzhuo Liu · 2026-08-10
- 放弃手动映射：用 AST 与 MCP 实现 Figma 高保真转代码 — WithBands · 2026-08-10
- AI 编程避坑：让 Agent 自审 PR 是死路，必须隔离生成与验证 — Jerry2deva · 2026-08-10
- 通义千问发布 Qwen-MM-Plugins，赋能 Agent 多模态能力 — Alibaba_Qwen · 2026-08-10
- 开源工具 Koharu：基于 ML 的本地端漫画翻译引擎 — tom_doerr · 2026-08-10