新框架用快速树搜索实现编码智能体自我改进
原文标题：Self Improvement via Fast Tree-search
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。
论文提出 SIFT（Recursive Self Improvement via Fast Tree-search），针对编码智能体自我修改时评估瓶颈问题，引入 LLM-as-a-judge 对候选补丁做成对比较，用正则化 Bradley-Terry 模型聚合胜负记录，驱动轻量分离式树搜索中的排名采样。昂贵的下游任务评估仅保留给最有潜力的节点。在完整 Polyglot 基准上，SIFT 以显著更低的 CPU 时长、墙钟时间与 API 成本超越现有树搜索自进化框架。
- 问题
- 编码智能体自我改进依赖重跑基准任务评估补丁，成本高、耗时长。
- 方法
- SIFT 用 LLM 裁判做补丁成对比较，以正则化 Bradley-Terry 聚合胜负分驱动树搜索采样，仅对高潜节点做昂贵评估。
- 结果
- 在完整 Polyglot 基准上超越现有树搜索自进化框架，CPU 时长、墙钟时间与 API 成本显著更低。
- 影响
- 让自进化编码智能体在有限预算下可跑，降低自我改进的算力门槛。
深读 · 结论先行AI 生成展开看要点与影响 ↓
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。