Google DuoDiscover:用「yardstick」代理评估突破自主发现瓶颈,SWE-fficiency 提速超人类专家一倍
google · hf · 2026-10-19
Google 联合 UC Berkeley、Stanford 发布 DuoDiscover,一个面向真实工程任务的自主发现搜索系统,解决「评估太贵」这一根本瓶颈:真实环境中一次真评估(完整基准或服务 trace)可能耗时数小时,搜索只能负担极少数真评估。
三大机制:
- 每个 coding agent worker 共同发现优化目标与一个快速的定制代理评估器(yardstick),智能体对 yardstick 而非真目标做爬山
- 由于搜索可能利用 yardstick 与真目标之间的差距,保真度测试(fidelity tests)持续复核每个 yardstick 的排序,漂移即作废
- 舰队自底向上组织,无中央任务分解;轻量 orchestrator 负责生成/终止 agent、通报进展、用他人已确认的工作播种新 agent
成果:
- SWE-fficiency 上平均加速达人类专家的两倍
- SOL-Exec:235 个 GPU/TPU kernel 中 121 个排第一、212 个进前三
- 在深度优化的 vLLM 与 SQLite 上相对基线代码分别取得 1.92 倍与 1.38 倍提升
- CPU 微架构优化任务(单次评估最长 28 小时):16.7 天超越 AlphaEvolve 系 ArchAgent v2(1.65 倍其增益)与最佳人类设计,后者耗时超 40 天
「编程与Agent」频道最新
- CI 迎战 AI Agent 时代：Celesto 宣称每分钟成本比 GitHub Runner 低 96% — aniketmaurya · 2026-10-19
- Reddit 热帖：哪些任务 agent 能做但你仍手动做？ — Glittering812 · 2026-10-19
- 万字 PM 岗位分析：30% 要求 AI 技能，第一大技能是选对问题 — aakashgupta · 2026-10-19
- 开发者用 Opus 5.5 一个周末做出可玩的 Tesla Roadster 网页游戏 — edwinarbus · 2026-10-19
- 马斯克转发 Grok Bot 功能清单:自带电脑、邮箱与机器人团队 — elonmusk · 2026-10-19
- HIVE 团队详解 Agent 访问层设计：审批须绑定精确参数与策略版本 — usehive · 2026-10-19