返回首页

美团 AutoResearch 从 LOOP 升级为图探索架构,单任务耗时较人工降 85%

  • 架构演进:系统从单线程 LOOP 升级到 CyclicGraph Engine,以 Spawn-Converge 拆分互斥假设、子 Agent 并行验证、主 Agent 汇总决策。
  • 工程数据:在结构、目标与场景不同的两个建模项目中,单任务完成耗时较人工基线分别减少约 85% 与 83%;同一项目由图架构替代自身 LOOP 后,迭代速度相差 18 倍。
  • 可信设计:状态机承担长周期调度,硬约束写入状态文件而非 Prompt,保留原始指标与代码 diff,子 Agent 上下文隔离并做交叉验证。
  • 行业意义:AutoResearch 的增益来自架构与 Harness,而非单次训练加速;对构建自主实验系统的团队,状态管理、证据链与经验晋升机制是能否无人值守运行的前置条件。 🔗 美团技术团队
Karpathy AutoResearch 的 LOOP 机制:keep/reset 单线程串行循环AutoResearch 架构演进:V1 LOOP → V2 状态机 → V3 图探索(Spawn-Converge)AutoResearch V3 全景架构:论文雷达 + CyclicGraph Engine 图探索主 Agent 与系统记忆交互架构Agent Harness 与能力层级:L2 状态记忆 → L3 自主调度 → L4 自主研究