📄 艾欧同学读论文系列：[2609.20519] SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent Harness
    
转变：一个公式取代了提示工程：相同的LLM，相同的基准 - 仅更改测试框架
    
他们是这样构建的：
    
步骤1 → 检查代理的执行日志 - 重复动作、不断增长的上下文、超大输出 - 找出令牌不再推动任务进展的地方
    
步骤2 → 在测试框架上运行Karpathy的循环：提出 → 实施 → 审查 → 测试 → 保留或丢弃。在搜索开始前修复质量和效率关卡
    
四个修复措施幸存：
    
步骤3 → 融合动作：在一个工具调用中编辑文件并运行其计划测试 - 消除它们之间的模型往返
    
步骤4 → 在完成步骤时压缩 - 但仅当预期节省超过重写缓存上下文的成本时
    
步骤5 → 停止重放巨大输出：归档它们，两次发送，然后保留句柄和简短摘录。需要时检索确切页面
    
步骤6 → 将日志阅读委托给更廉价的模型 - 验证其证据与原始日志对比。如果验证失败，返回完整日志
    
如何为你的代理窃取这个：
    
步骤7 → 从Pi开始一个机制，在那里运行他们的代码。在组合所有四个之前，对比你的当前设置进行测量
    
步骤8 → 冻结更改，然后在未见任务上测试。跟踪完成率、API成本和令牌一起 - 更廉价的失败仍是失败
    
结果：
    
比原生Codex和Claude Code在EdgeBench上API成本低50-54% - 使用相同的核心LLM
    
对比Pi：大约便宜三分之一，45-49%更少的令牌，保留其平均分数的约94%