Nvidia 的 SoL-Pi 系统通过优化 harness 将近乎一半的编码 agent token 用量削减
Nvidia 论文提出 SoL-Pi,自动优化编码 agent 的控制层 harness。在 EdgeBench 上,token 用量下降 44.7% 到 49%,性能大致持平;按当前 API 价格估算,每小时可节省 4.36 到 13.50 美元。
原贴
查看原文原文
中文翻译
一篇新的 Nvidia 论文描述了一个系统,它能自动优化编码 agent 的控制层,即 harness。
研究人员称,token 用量下降了近一半,而性能大致保持不变。
AI agent 无监督工作的时间越长,成本就越高。
单次预测变成一长串推理、工具调用和反馈循环,token 用量也一路膨胀。
Nvidia 研究人员的一项新研究不是在模型层面,而是在 harness 层面解决这些成本;harness 是模型与其环境之间的控制层,被 Codex、Claude Code 或 OpenClaw 等系统使用。
harness 控制 agent 如何看到状态、执行动作和处理反馈。
到目前为止,大多数效率方法都聚焦于通过更快的注意力内核和服务基础设施、量化等模型压缩,或换用更便宜的模型来降低每个 token 的成本。
在实践中优化 harness 很难,因为工具使用、上下文管理、验证和中止逻辑全都紧密耦合。
在一处节省 token 的改动可能在别处触发错误,或者只是把成本推到更晚的阶段。
通常,人类会筛检长长的执行轨迹,并把反复出现的失败模式转化为代码。
这个名为 SoL-Pi 的系统将这项工作自动化。
一个研究 agent 观察另一个 agent 的轨迹,提出改动,并在准备好的环境中测试它们。
能力和效率检查决定哪些候选方案能留存下来。
作者称,该方法借鉴了递归自我改进。
在 535 个可执行环境中,系统探索了 152 个方向,包括 495 个来自 GitHub issue-PR 配对的任务和 40 个合成测试用例。
整个过程总共产生了 3,000 多次运行和超过 60,000 次 agent-环境交互。
研究人员称,这个规模显示了系统搜索的广度,但更多搜索并不会自动带来更好的结果。
这里存在一个风险,因为早期工作表明,自动优化的 harness 容易过拟合其训练任务,在不熟悉的任务上几乎没有收益。
SoL-Pi 通过严格分离搜索反馈与评估来应对这一点。
研究人员使用 EdgeBench 作为测试基准,并将其与搜索过程完全隔离。
在其 51 个公开任务中,他们用 11 个对完成后的候选方案进行一次性验证。
其余 40 个保留用于最终评估,这些结果从未反馈到搜索中。
搜索产生了四种机制。
Action Fusion 将两个连续步骤合并为一个,例如代码编辑后接测试运行,从而消除一整个语言模型调用。
Online Context Compact 在每个规划步骤后运行,并在不丢失重要信息的情况下裁剪累积的上下文。
ObservationPack 将长长的工具输出存档,并在后续步骤中放入简短摘要,而不是每次都重新发送全文。
Evidence-Preserving Reducer 将大型错误和测试日志路由到一个更便宜的模型,由它将其提炼为关键发现,并用自动验证步骤捕捉任何漏过的关键线索。
研究人员称,在 EdgeBench 的 51 个公开任务上,SoL-Pi 的表现与原始 Pi harness 大致相当。
token 用量下降多少取决于配置。
最高效的变体结合了全部四种机制,少用了 49% 的 token,并达到 Pi 分数的 93.7%。
优先考虑性能并只选择最强单一机制的用户,在仍然节省 token 的同时,比 Pi 的分数高出 5.3%。
两种变体的 token 用量都下降了 44.7% 到 49%。
按美元计算,作者根据当前 API 价格估计,与原生 Codex 和 Claude Code harness 相比每小时节省 8.75 到 13.50 美元,与 Pi 相比每小时节省 4.36 到 5.71 美元。
核心信息
Nvidia 论文提出 SoL-Pi,自动优化编码 agent 的控制层 harness。在 EdgeBench 上,token 用量下降 44.7% 到 49%,性能大致持平;按当前 API 价格估算,每小时可节省 4.36 到 13.50 美元。
- Nvidia 论文提出 SoL-Pi,自动优化编码 agent 的控制层 harness。在 EdgeBench 上,token 用量下降 44.7% 到 49%,性能大致持平;按当前 API 价格估算,每小时可节省 4.36 到 13.50 美元。
- 原贴提到:A new Nvidia paper describes a system that automatically optimizes the c
- 来源:the-decoder.com
详细解读
这是什么信号
Nvidia 的这篇论文把 AI agent 降本的焦点从模型层转向 harness 层。Harness 是模型与环境之间的控制层,Codex、Claude Code、OpenClaw 等系统都靠它决定 agent 如何看状态、执行动作、处理反馈。SoL-Pi 用研究 agent 自动观察执行轨迹、提出并测试改动,声称在 EdgeBench 上把编码 agent 的 token 用量削减 44.7% 到 49%,性能大致持平。这不是又一个模型压缩技巧,而是把 agent 工作流的控制逻辑当作可优化对象。
为什么重要
Agent 无监督运行越久,成本越高:单次预测变成推理链、工具调用和反馈循环,token 一路膨胀。过去效率优化多集中在更快的注意力内核、服务基础设施、量化或换更便宜的模型,但在 harness 层,工具使用、上下文管理、验证和中止逻辑紧密耦合,一处省 token 的改动可能在其他地方引发错误,或把成本推到更晚阶段。SoL-Pi 证明自动搜索有潜力处理这种耦合,并且把搜索反馈和评估严格分开,避免候选方案过拟合到训练任务。
对谁有价值
直接相关的是开发或运维编码 agent 的工程团队、使用 Codex 和 Claude Code 等工具的产品与研发组织,以及对 API 成本敏感的 AI 应用公司。按论文估算,基于当前 API 价格,每小时可省 4.36 到 13.50 美元;对长时间运行、并发多 agent 的团队,这个量级会放大。对研究者和平台方,它提供了一个可复用的思路:不是只调模型,而是调模型外面的控制层。
可以怎么行动
第一步,把 agent 的 token 消耗按阶段拆开,识别哪些调用是重复的、哪些上下文可以压缩、哪些工具输出不必每次全文回传。论文给出的四个机制是可落地的检查清单:Action Fusion 合并连续步骤以减少模型调用;Online Context Compact 在每个规划步骤后裁剪上下文;ObservationPack 归档长输出并用短摘要替代;Evidence-Preserving Reducer 把大日志交给更便宜模型提炼,并加自动验证防漏。第二步,任何自动优化都要隔离搜索与评估集,像 SoL-Pi 用 EdgeBench 的 11 个任务做一次性验证、40 个任务做最终评估那样,避免过拟合。第三步,先选单一最强机制验证收益,再决定是否组合四种机制,在性能和 token 节省之间做取舍。
风险或限制
论文自己也提示,自动优化的 harness 容易过拟合训练任务,在不熟悉任务上收益有限;更多搜索不等于更好结果。当前结果基于 EdgeBench 的 51 个公开任务,其中 40 个用于最终评估且未反馈给搜索,但基准规模仍有限。最省配置只达到 Pi 分数的 93.7%,说明省 token 与保性能存在权衡。美元节省是按当前 API 价格估算,会随服务商定价变化。此外,原文未提供可直接复用的代码或链接,团队需要在自己的环境和任务分布上重新验证。
信息差价值
这条内容的真正价值,不只是“有人发布了一个新功能”,而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说,这种信息可以转化成持续追踪的栏目选题。
如果把《Nvidia 的 SoL-Pi 系统通过优化 harness 将近乎一半的编码 agent token 用量削减》放到你的内容系统里,它最大的价值在于帮助读者更快看懂“为什么值得关注”,而不是只看到一条碎片化动态。
参考来源
TOPIC HUBS
延伸专题
AI SUMMARY
这篇文章回答了什么
Nvidia 的 SoL-Pi 系统通过优化 harness 将近乎一半的编码 agent token 用量削减主要讲什么?
Nvidia 论文提出 SoL-Pi,自动优化编码 agent 的控制层 harness。在 EdgeBench 上,token 用量下降 44.7% 到 49%,性能大致持平;按当前 API 价格估算,每小时可节省 4.36 到 13.50 美元。
这篇文章最值得关注的要点是什么?
Nvidia 论文提出 SoL-Pi,自动优化编码 agent 的控制层 harness。在 EdgeBench 上,token 用量下降 44.7% 到 49%,性能大致持平;按当前 API 价格估算,每小时可节省 4.36 到 13.…;原贴提到:A new Nvidia paper describes a system that automatically optimizes the c;来源:the-decoder.com
这篇文章和哪些AI专题相关?
它适合放在Agent工作流、AI副业、AI工具专题里阅读。 关联原因:这篇内容命中「Agent、智能体、Claude Code」等主题信号。;这篇内容命中「项目、小生意、变现」等主题信号。;这篇内容命中「Claude」等主题信号。
阅读这篇文章建议先理解哪些关键词?
建议先理解AI工具、工具、自动化、模型、Cursor这些关键词,再结合正文判断工具、机会或风险是否值得进入自己的工作流。