自动构建 Harness：代码自博弈蒸馏文本搜索策略
原文标题：Building the Harness Automatically: Self-Play in Code Distills a Text Harness for Black-Box Optimization
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文研究智能体能否通过可执行练习学习数值搜索策略，并将其以文本形式迁移。开发阶段智能体反复编写和评估优化器程序，随后蒸馏为 197 词的 Harness A。在独立 N=30 研究中，Harness A 将 Gemini Flash 遗憾降低 48%，并迁移至 Claude Sonnet 降低 43%–49%。该框架还在 YouTube 奖励调优生产基准上取得最低遗憾。
- 问题
- 无辅助语言模型在低预算黑盒优化上远弱于经典优化器。
- 方法
- 让智能体反复编写并评估优化器程序，再蒸馏成 197 词文本 Harness A，冻结后作为可迁移的搜索策略。
- 结果
- Gemini Flash 遗憾降低 48%（N=30，p<.001）；迁移到 Claude Sonnet 降低 43%–49%；YouTube 奖励调优生产基准取得最低遗憾。
- 影响
- 证明搜索策略可用文本形式跨模型迁移，为 Agent 优化任务提供低成本提示资产。
深读 · 结论先行AI 生成展开看要点与影响 ↓
智能体自写优化器程序并蒸馏成197词文本，使Gemini Flash遗憾降48%
- •开发阶段智能体反复编写评估优化器程序，蒸馏为197词Harness A并在评测前冻结
- •独立N=30研究中Gemini Flash遗憾降48%（p<.001），三个留出BBOB地形均降低平均遗憾
- •同一文本迁移至Claude Sonnet，遗憾降43%与49%（p≤.005）
- •独立复现产出不同程序与文本的Harness B，性能同档；并在YouTube奖励调优生产基准取得最低遗憾
为什么重要：说明搜索策略可作为可移植文本跨模型部署，低成本黑盒优化不必依赖强经典优化器或模型微调。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。