SoL-Pi：递归扩展自动研究循环以改进Agent Harness效率

摘要

随着编程智能体从受监督的代码补全转向无人值守、全天候探索，其工作由孤立预测扩展为推理、工具使用和反馈构成的长轨迹。Token效率因此对扩展递归自我改进非常重要。我们在Harness层采用受递归自我改进（RSI）启发的方法，在越来越多、越来越多样的环境中扩展用于Harness运行轨迹的自动研究循环。在这一规模下，流程产生了能够迁移到开发环境之外的可复用改进，推动自动Harness发现走向生产级结果。四项机制在筛选后保留下来并组成SoL-Pi，覆盖动作执行、上下文压缩、观测处理和委派阅读。在包含51个任务的EdgeBench评估中，SoL-Pi在GPT-5.6 Sol与Opus 5上取得与Pi相当的表现，同时将记录的Token流量减少44.7%—49.0%，API成本降低约三分之一。换算后，相比原生Codex和Claude Code Harness，估计每小时节省8.75—13.50美元；相比Pi，每小时节省4.36—5.71美元。

SoL-Pi：递归扩展自动研究循环以改进Agent Harness效率：论文配图 — 图1：SoL-Pi通过自动研究发现更节省Token的Harness。（a）基础Harness在预备研究环境执行任务，研究AI检查轨迹、提出改动，并通过能力及效率门槛筛选；保留四项机制，整合优化后冻结，再在未见基准评估。图中轨迹、想法及门控为示意，能力检查有固定容差，留出结果不回流搜索。（b）EdgeBench示例比较原生Codex、Claude Code、Pi及完整SoL-Pi的平均分与API成本；相对GPT-5.6 Sol上的Codex成本减少50.0%，相对Opus 5上的Claude Code减少54.3%。