返回热点榜
agent热度 17.4°

AI 聚合热点事件 · 2026/11/20

谷歌研究:智能体框架模块化改写省 90% token

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/20 05:05:38
全景综述与最新动态
1 家信源交叉印证

谷歌一项新研究发现,让优化器模型自我改进智能体框架时,逐模块改写并强制通过验证集与 token 上限,效果远优于不受限的整体重写。在 40 个 SWE-bench Lite 任务上,门控式改写以 46.7k token/任务达到 40.0% 准确率,而全量重写虽达 42.5% 却消耗 451.6k token,成本接近 10 倍。研究还发现,把规则写进提示词反而使准确率跌至 2.5%,约束应落在代码层。

最新动向/谷歌一项新研究发现,让优化器模型自我改进智能体框架时,逐模块改写并强制通过验证集与 token 上限,效果远优于不受限的整体重写。在 40 个 SWE-bench Lite 任务上,门控式改写以 46.7k token/任务达到 40.0% 准确率,而全量重写虽达 42.5% 却消耗 451.6k token,成本接近 10 倍。研究还发现,把规则写进提示词反而使准确率跌至 2.5%,约束应落在代码层。

逐小时热度走势

3 个完整观测小时
当前
17.4
峰值
18.406:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源;缺口小时数据已插值平滑,保持趋势连续。

报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·78 分

    谷歌研究:智能体框架模块化改写省 90% token

    原标题:New Google paper finds that an unchecked full rewrite of an agent harness matched accuracy but cost ...

    • 门控式单模块改写以 46.7k token/任务达到 40.0% 准确率,全量重写 42.5% 但耗 451.6k token
    • 把约束写进提示词会使准确率跌至 2.5%,规则必须在代码层强制执行
    • 为某一模型调优的框架迁移到另一模型时容易停滞或浪费 token