先手 SENTE · 周报阅读清单 · 速读 · arXiv 2609.20519
SoL-Pi：用自动化研究循环，找出省 token 的 Agent 外壳
SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent Harness
Haozhe Liu，Tian Ye，Sensen Gao，Qihang Cao 等 14 位作者 · 2026-09-17
同样的分数，API 成本少三分之一
打开交互式解读 →三个要点
- 问题：编程 Agent 从代码补全走向无人值守、全天候探索，工作变成很长的推理、工具调用和反馈轨迹，token 效率成为规模化递归自我改进的关键。
- 方法：在外壳层做「自动化研究循环」：在越来越多、越来越多样的环境中运行基础外壳，由研究 AI 检查执行轨迹、提出改动，再经能力与效率两道门筛选。最终留下四个机制——动作执行、上下文压缩、观察处理、委托阅读——组成 SoL-Pi，冻结后在未见过的基准上评测。
- 结果：51 个任务的 EdgeBench 上，SoL-Pi 在 GPT-5.6 Sol 和 Opus 5 上与 Pi 外壳表现相当，记录的 token 流量减少 44.7–49.0%，API 成本减少约三分之一；相对原生 Codex 和 Claude Code，成本分别降低 50.0% 和 54.3%。
44.7–49.0% token 流量减少（EdgeBench，表现相当）
适合谁读：做编程 Agent、Agent 平台和推理成本优化的团队；关注 Agent 单位经济的投资人。
AI 解读 · 基于原文：本页由 AI 根据论文原文整理，所有数字均可在原文中找到出处；引用前请核对原文。