斯坦福等提出无状态智能体 SLA,追平最强基线省 14.5 倍 token
RulinShao · x · 2026-10-13
斯坦福、CMU、华盛顿大学等机构的研究者(ACE 与 Meta-Harness 作者团队)发布论文《Stateless Language Agents》,提出「有状态搜索、无状态智能体」原则:智能体每次调用不携带对话历史,由外部 harness 持有研究状态(候选方案与实测结果),并为每次调用重建角色专属上下文。
框架中一个无状态 Advisor 读取各搜索方向的证据摘要,向并行的 Worker 分派具体实验,协调者 token 占用不足总量 0.6%。
在软件工程、内核优化、算法设计共 9 项任务、预算高达 10 亿 token 的评测中:
- 所有任务都取得最佳最终结果
- 达到最强 kernel 基线的最终性能只用 67.9M token,而基线需 986.3M,节省 14.5 倍(93.1%)
- 在 FrontierSWE 上,预算 25% 时 SLA 落后,满预算时全部反超,排名发生逆转
论文直指自动化研究系统的失败根源:历史无限增长、重复劳动、停止实验后仍烧 token,而状态存放位置与「谁决定下一步试什么」是关键设计选择。
所属事件:斯坦福等发布无状态智能体 SLA，省 14.5 倍 token 追平最强基线(2 条相关)→
「编程与Agent」频道最新
- Celesto CI 算账:1000 个任务比 GitHub Actions 便宜 9 倍 — aniketmaurya · 2026-10-13
- 开发者实测 sketch MCP:一句话评价「确实有用」 — nathanborror · 2026-10-13
- Every 弃个人 agent 转公司共享 agent，工程师 token 用量骤降背后逻辑 — every · 2026-10-13
- 给编码代理加防膨胀前置指令，省 token 又少 bug — gabriberton · 2026-10-13
- 一条 prompt 编排 Haiku 修复+Astra 审查,t3code 自动跑 PR 循环 — talkaboutdesign · 2026-10-13
- 跑数千万个无用程序实验：一种交给 LLM 的自动化玩法 — bushibuilds · 2026-10-13