SoL-Pi 论文：自动研究循环优化 Agent 框架，省近半 token 成本
burny_tech · x · 2026-09-20
NVIDIA、MIT 等机构提交的论文 SoL-Pi 提出，在 harness 层用递归自动研究循环（RSI 思路）让编码 Agent 自动优化自身框架，而非人工设计。
在多环境中自动选择后存活下四种机制，覆盖动作执行、上下文压缩、观察处理与委托读取，构成 SoL-Pi。
关键结果：在 51 任务的 EdgeBench 上，性能与原生 Pi 框架在 GPT-5.6 Sol 和 Opus 5 下相当，token 流量减少 44.7–49%，API 成本约降三分之一；相比原生 Codex/Claude Code 每小时估计省 $8.75–13.50，相比 Pi 省 $4.36–5.71。
「编程与Agent」频道最新
- 美联航将禁止个人AI代理代客预订机票 — Polymarket · 2026-11-12
- Agentic Search 图解：4 次搜索的循环成本约为单次搜索的 5 倍 — adnan_hashmi · 2026-11-12
- AWS 自曝：AWS Emulator 每行代码均由自主 AI Agent 编写 — SumitGup · 2026-11-12
- freeCodeCamp 上线 2 小时 Codex 智能体编码免费课 — adnan_hashmi · 2026-11-12
- 被严重低估的资源：跨模型跨厂商的工具调用可靠性实测 — ricklamers · 2026-11-12
- 整理 5.5 万数据点的教训:企业级 Agent 数据准备远比想象更难 — BenBajarin · 2026-11-12