推文

@fireandstart · 2026-10-13 06:29

这组结果最值得关注的，可能不是“代理能跑到 10 亿 token”，而是研究状态放在哪里：如果每个 worker 都背着不断膨胀的旧对话，到了停滞点，重启也可能只是把同一条思路再走一遍。让 agent 每次调用都从干净上下文开始，把实验记录、已验证结论和下一步假设交给 harness 管理，才有机会把“继续搜索”和“继续烧 token”区分开来。尤其是顾问只占总 token 的不到 0.6%，说明协调层不一定要很重，关键是它能否把状态压成有用的摘要，并让 worker 有明确、可检验的任务。论文里“9 个任务”“匹配最佳基线 token 减少 14.5 倍”等数字很醒目，但我更想看后续能否在不同任务、不同模型和失败模式下复现：何时重置上下文有效，何时摘要丢失了关键线索，成本优势又会不会被 harness 设计抵消。代理系统的效率，最后也许取决于是否能记住研究进展，同时允许执行者忘掉无效的对话惯性。

曝光 176 · 评论 2 · 点赞 2 · 书签 0 · 曝光/时 1.484948047477678