Applied Compute 推出 Ari Autoresearch,agent 自动后训练 16 小时将棋题奖励提升 5.3 倍
ypatil125 · x · 2026-11-05
Applied Compute 发布 Ari Autoresearch,让 agent Ari 在其 AC2 平台上自主执行后训练实验,无需人工逐步指导。
- 在单次 16 小时的 episode 中,Ari 将 Qwen3.5-9B 在 Lichess 国际象棋谜题上的 held-out 奖励从 0.118 提升到 0.629,提升 5.3 倍。
- 该系统延续 Karpathy 的 autoresearch 思路,但面向企业级后训练:agent 不仅能调超参,还能改进任务 harness、构建 curriculum、组合不同学习算法,并通过 judge 给 trace 标注、诊断训练失败模式。
- 技术上依托 AC2 提供的原语:启动训练/评测任务、分析指标、基于分析自主决定下一步实验。
- 同帖还提到 Applied Compute 已达 1 亿美元 run rate 并融资 3.5 亿美元。
- 引用内容还展示了一个配套实践:作者把自己在 2000 个 PR 里的 3500 条 review 评论训练成像自己一样审代码的 bot,并用 Ari 自动生成并整夜 hill-climb 其 eval,以解决代码 review 成为团队最大瓶颈的问题。
所属事件:Applied Compute 推出 Ari 智能体，16 小时自主完成后训练(2 条相关)→
「编程与Agent」频道最新
- Spring 之父 Rod Johnson 推出 Embabel Worlds:让 AI 自动构建知识图谱 — springrod · 2026-11-05
- 用 Claude Code + Opus 剪视频全流程:一次拍摄出 17 种特效 — aakashgupta · 2026-11-05
- Claude Code 变身剪辑师:一条命令自动切镜头加字幕 — aakashgupta · 2026-11-05
- Weaviate 播客：智能体记忆过多会停滞，遗忘让优化器重启探索 — CShorten30 · 2026-11-05
- dots 团队招人：组建持久化 agent 领域最强阵容 — sherwinwu · 2026-11-05
- 用基础设施即代码管理 Agent 监控工作流的新主张 — JoshPurtell · 2026-11-05