生产级 AutoResearch：失败模式与多智能体框架
原文标题：AutoResearch at Production Scale: Failure Modes and a Multi-Agent Framework
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。
论文将 Karpathy 的 AutoResearch 范式（大模型迭代修改训练脚本并保留提升指标的改动）应用于生产级推荐系统嵌入优化，历时十二周、220 余次实验。作者识别出基础设施脆弱、智能体记忆衰减、搜索方向停滞、迭代成本不对称、指标固着五类失败模式，并提出「预防-持久化-重定向」三原则脚手架。框架带来 Recall@6 提升 1.82 倍、一致性提升 2.1 倍，并自主设计出使目录覆盖扩大 5.8 倍的纯文本回退方案。
- 问题
- 生产级推荐嵌入优化中，AutoResearch 范式在长周期、高成本场景下的失败模式与工程化。
- 方法
- 将 LLM 迭代改训练脚本的 AutoResearch 范式用于生产推荐，提出「预防-持久化-重定向」三原则脚手架。
- 结果
- 220+ 实验、十二周，Recall@6 提升 1.82 倍、一致性提升 2.1 倍，自主设计文本回退使目录覆盖扩大 5.8 倍。
- 影响
- 揭示自动研究在生产规模下的结构性失败模式，为构建可靠多智能体优化系统提供工程蓝图。
深读 · 结论先行AI 生成展开看要点与影响 ↓
生产级 AutoResearch 跑十二周 220+ 实验，识别五类失败模式，Recall@6 提升 1.82 倍。
- •将 Karpathy 的 AutoResearch 范式用于生产推荐系统嵌入优化，历时十二周
- •累计 220+ 次实验，单次迭代消耗数小时多 GPU 算力
- •识别五类失败模式：基础设施脆弱、智能体记忆衰减、搜索方向停滞、迭代成本不对称、指标固着
- •提出「预防-持久化-重定向」三原则脚手架，按迭代成本缩放
- •框架带来 Recall@6 提升 1.82 倍、一致性提升 2.1 倍
为什么重要：把「LLM 自动改训练脚本」从玩具推到生产规模，失败模式清单对做自动化实验的团队可直接复用。
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。