DuoDiscover 用「代理评估器」破局 AI 工程瓶颈：评估成本决定 agent 上限
CShorten30 · x · 2026-10-15
DuoDiscover 提出：AI 生成工程方案只要几秒，但验证这些方案可能要几小时甚至几天——评估成本才是 agent 在工程领域落后于数学的关键瓶颈。
- 方法：为中间步骤构建定向的「proxy evaluators」，让评估本身成为 agent 发现过程的一部分，显著加速 agentic hillclimbing
- 成绩：登顶 NVIDIA SOL-ExecBench；SWE-fficiency 达专家 2 倍；vLLM 上提速 1.92 倍、FreeToken 1.44 倍；超越生产级 TPU kernel 2.68 倍；击败最优的人类与 AI 设计的 CPU prefetcher
- 判断：随着模型能力快速提升，高效评估正成为 test-time-scaling 算法的关键瓶颈，这项工作把评估内化进搜索循环是一个值得关注的方向
所属事件:DuoDiscover 登顶 SOL-ExecBench，TPU 内核提速 2.68 倍(7 条相关)→
「编程与Agent」频道最新
- Starlink 用 Grok Voice 3.0 日接 2 万通电话,70% 无需人工 — elonmusk · 2026-10-15
- Cohere Labs 研究:堆 agent 数量不是扩展策略,该何时分工 — pvncher · 2026-10-15
- Codex 隐藏技巧:可在新对话中让 AI 检索过往对话 — petergyang · 2026-10-15
- 设计师用 Claude 汇总 X/Medium/Dribbble 全部作品,建起个人作品总库 — tomjohndesign · 2026-10-15
- crimsonland 0.17 支持自定义关卡，描述想法给 agent 即可开玩 — banteg · 2026-10-15
- 用户反馈 Claude Code fast mode 无法用 20x 订阅启用，疑似计费通道 bug — RileyRalmuto · 2026-10-15