研究:AI Agent 前 6 小时探索最强,58% 任务从未触达最优思路盆地
AlexGDimakis · x · 2026-11-17
Bespoke Labs 团队发布视频与博客,用「idea basins」分析 AutoResearchExam 上模型解决长程 ML 研究任务的方式。核心发现:
- 多数 run 只坚持一两个思路;提交次数更多的模型往往把额外提交用于打磨和过拟合,而非新思路
- 但切换到一个新 idea basin 的收益约为一次打磨步骤的 9 倍
- 模型在前 6 小时探索最多、受益最大,之后新 basin 访问骤降,转向精修,浪费了潜在收益
- 58% 的 run 从未到达包含该任务最优解的 basin
方法上沿用 Fork and Flush 的思路,用 Nimble 作为判官对提交按方法聚类(不看分数),把每次 run 变成穿过 idea 地图的路径。作者 Alex Dimakis(UT Austin 教授)发布了配套视频讲解。
「编程与Agent」频道最新
- 开源 Opensteer:用 Claude 订阅在 Mac 本地跑手机可控个人 Agent — dinotimm · 2026-11-17
- Fable 5.2 跑 7 小时 8 轮评审,纯代码生成可驾驶菲亚特 Uno 3D 赛车 — Viktorkav · 2026-11-17
- 波兰工程师自述:团队已无人手写代码,人工审查也近乎消失 — PawelHuryn · 2026-11-17
- 多用户共享 Agent 体验糟糕,发布四项更新推出一键房间 — thechrisperry · 2026-11-17
- 开源 Pascal 编辑器在浏览器里实现近原生速度的 3D 建筑设计 — anthara_ai · 2026-11-17
- OpenClaw CI 成本砍 95.5%:runner 时长降 86.5%,agent 编码瓶颈在测试 — vincent_koc · 2026-11-17