面向ML研究的自主长程工程系统
深度2026年4月14日28 分钟阅读
最有趣的发现是File-as-Bus协议能显著提升长程任务性能，移除后性能下降6.41-31.82分。本文适合AI系统研究者、ML工程师以及关注自主研究智能体发展的读者阅读。
本文编译自 Toward Autonomous Long-Horizon Engineering for ML Research，版权归原作者所有。
觉得有用？分享给更多人
相关文章
MIT研究人员将13个Eko智能体置于无任务的虚拟荒岛30小时，它们自发探索、发明游戏，并学会设计师未预设的技巧。经历“玩耍”的智能体在后续任务中表现更好，研究者认为无目标探索可能是智能体学习的新范式。
深度·10月23日·4 分钟
微软和 Hugging Face 联合发布 ThinkingBox-Training，将 ThinkingBox-Bench 中可执行检查返回的 0/1 结果作为奖励信号，用于训练其他任务上的 Agent。他们提出离线策略相对难度来选择训练任务，并用 GRPO 对 Qwen3.8-27B 进行微调。结果显示，模型在重复性任务上的成功率大幅提升，但至少成功一次的覆盖率略有下降。
深度Hugging Face·10月22日·8 分钟