GEAR 框架自动优化 Agent 工作流,基准通过率最高提升 13 个百分点
Pale-Training-6944 · reddit · 2026-11-01
团队开源 GEAR,一个受元学习启发的「RSI(递归自我改进)的 scikit-learn」框架，附论文与代码。
核心思路
- 把 RSI 拆解为三个经典问题：高效采样候选改进、评估改动是否真的有效、保持多样性避免过早收敛
- 架构上分两层：任务 agent 产出执行轨迹，meta-agent 基于轨迹与评估反馈来改进 prompt、工具、工作流和上下文管理，搜索决策与执行评估分离
- 已实现 GEPA 变体，含共享失败诊断与分阶段评估，目标是让 GEPA、RRSI、Harness² 等方法易于实现和对比
实验结果(用 GPT 5.6 Luna,中等推理档)
- AutomationBench Marketing 通过率 27.0% → 40.0%
- AutomationBench Support 17.0% → 25.0%
- Terminal-Bench 2.1:52.8% → 62.9%
- Max 档 Marketing:Luna+优化 harness 目标完成率 88.88%,高于 Astra+Codex 的 84.08%;严格通过率 53% vs 57%
- 同一优化 harness 下，Luna 每任务平均 API 成本 $0.0568 vs Astra 的 $1.1858,便宜 95.21%(不含优化与基础设施成本)
团队征求有限预算下的候选评估与多样性保持方案反馈。
所属事件:GEAR 开源框架将递归自我改进自动化(2 条相关)→
「编程与Agent」频道最新
- 开发者分享 Grok Bot 团队搭建指南：少而精、让 bot 自建技能库 — CurieuxExplorer · 2026-11-01
- 747 个 AI 想法实测：「想法下降」也有 scaling law — DimitrisPapail · 2026-11-01
- Magnific 用 Claude 与 MCP 做万圣节游戏，动画一步到位 — petewoodbridge · 2026-11-01
- 用 AI 持续优化游戏帧率，六个场景渲染耗时再降 9%-15% — AIandDesign · 2026-11-01
- Parcha 创始人撰文：也许你根本不需要 Agent — blaizedsouza · 2026-11-01
- Claude Code 多 Agent 一天烧 945 万 token，元凶是读自己的笔记 — WWEtrump · 2026-11-01