Gear 进化工作流让 agent 跑 Kaggle Titanic 达 79.9%，优于手动调优
Pale-Training-6944 · reddit · 2026-11-15
一个实测对比显示，光靠强模型和更多时间并不够——围绕模型的工作流才是关键。在 Kaggle Titanic 任务上：
- Codex + Astra，1 小时限时：最好成绩 72.96%
- 明确建议 XGBoost 并给 90-100 分钟优化：77.27%
- 用 Gear 进化出的 DSH harness + Astra：79.90%，且每次候选运行仅需约 13 分钟
Gear 的 GEPA 循环会检视执行反馈、提出 harness 修改并评估生成的新 agent。第一轮进化就产出了可复用的四段式数据科学工作流：①理解数据并规划（缺失值、类别平衡、泄漏检查、确定指标与预算）；②跑聚焦实验（尽早建 baseline，用误差分析引导特征工程与调参，限定搜索范围）；③用统一协议选模型（固定验证折与种子、折内拟合预处理、保留 out-of-fold 预测）；④交付（全量重拟合、生成并校验提交、保留可复现代码）。
核心论点：修 bug 的 agent 和做预测任务的 agent 需要不同的流程，Gear 让工作流本身成为可评估、可进化的对象。
「编程与Agent」频道最新
- 开发者第三次尝试后全面转向 T3 Code，称界面优于 ChatGPT 桌面版 — aniketapanjwani · 2026-11-15
- DeepMind 用 AlphaProof Code 四周验证 Signal 密码学代码 — dl_weekly · 2026-11-15
- 16 任 MVP 用原生 PowerShell 造 agent，接入微软智能终端 — dfinke · 2026-11-15
- Agent 监控工具 Raindrop 允许编码智能体先建号、人再认领 — New-Tailor4071 · 2026-11-15
- LangChain CEO 转发：先写 eval runner，再写 agent — hwchase17 · 2026-11-15
- 技能库动态进化的 Agent 如何做评测？版本冻结成关键 — tahaan · 2026-11-15