RSI-top 框架破解决研究 agent 卡死，MLE-bench Lite 奖牌率 77.3%
dbreunig · x · 2026-10-17
dbreunig 转发了自主研究 agent 框架 RSI-top 的发布，该框架解决长程研究任务中进展停滞的问题。
- 性能：在 Anthropic 的 kernel 优化任务上比 OpenEvolve、ShinkaEvolve 高出最多 15%；在 MLE-bench Lite 上达到 77.3% 奖牌率，超出最强基线 11.4 个百分点。
- 方法：从上下文管理与多样性控制两方面入手——紧凑的指标仪表盘帮助 agent 有选择地检索有用的历史轨迹；三种多样性控制机制在停滞时促使 agent 换视角、出新想法、更换起点。
- 新失败模式：作者提出"Context Inertia"（上下文惯性）——长程任务中执着的模型会过度聚焦，解法是主动丢弃上下文。
「编程与Agent」频道最新
- 「我是全栈工程师」：一张未来模型代号表引发的 AI 圈梗 — rachittshah · 2026-10-17
- 自建笔记 AI 问答：语义检索搞不定日期与成员关系查询 — bzarnal · 2026-10-17
- 14B 裁判不比 8B 强：一句提示词修改让评分从 3/14 升到 10/14 — Lost-Masterpiece2400 · 2026-10-17
- 10 个开源仓库教你把小模型训练成自己的 Agent:Unsloth、verl 等一览 — victor_explore · 2026-10-17
- 机器人工程师叫板编码 agent：视觉运动控制系统你们做不了 — AlexTensor · 2026-10-17
- Notion AI 负责人：Agent 大量 GPU 推理该交给 CPU 代码执行 — threepointone · 2026-10-17