微软 ParetoSaddler：agent 成本降 42%、质量升 6.7 个点的优化法
omarsar0 · x · 2026-11-04
SWR 主持人 Elvis omarsar0 详解微软论文 ParetoSaddler 的核心洞察：同时优化 agent harness 的质量与成本时，成本偏好只在搜索末端施加——每一步都用会丢弃「通向更优 harness 的中间候选」。
方法要点：
- 每轮优化器编辑父 harness，父子两版各运行多次，用 Bayesian bootstrap 判断候选在质量或成本上是否有可信进展；
- 晋级候选保留为后续优化的父节点，最终部署选择独立进行（Pareto 选优）；
- GAIA2 上质量 56.22%→62.89%，单任务成本 $0.78→$0.45；ClawMark 上质量 70.86%→81.35%，成本 $1.17→$1.01；
- Pareto 选出的 harness 在质量和成本上同时优于仅优化质量的方法。
论文代码与项目页将公开。
「编程与Agent」频道最新
- 免费 MCP server 一键编译 LaTeX 并用大白话解释报错 — PurplelinkPL · 2026-11-04
- WoW × LOL Arena 融合肉鸽 PvP：4 组双人混战demo展示 — TAbrodi · 2026-11-04
- 86% 组织已跑 AI Agent,不到 18% 能自动叫停失控者 — amasad · 2026-11-04
- CMU 研究：Agent Harness 工程无需重训模型即可大幅提升能力 — niloofar_mire · 2026-11-04
- OpenClaw WebUI 更新支持并行任务，可同时跑 3 个子任务 — heyneighbor · 2026-11-04
- OpenAI 未等规范合入就上线 Skills Over MCP,作者解读为何是大事 — tristanbob · 2026-11-04