美团 AutoResearch 从单线程 LOOP 升级图探索：两项目任务耗时较人工基线降约 85% 与 83%

• 核心更新：美团技术团队披露其 AutoResearch 自进化系统已完成三次架构重构，目标是在企业云端训练平台上运行长周期算法研究循环；系统从单线程串行 LOOP 升级为 CyclicGraph Engine 图探索架构，并用状态机处理异步触发、状态恢复与失败重试。
• 架构演进：V1 将 Karpathy AutoResearch 的 keep/reset 循环搬上企业云端，验证能否运行；V2 改为无状态触发 + 有状态文件，拆分 Monitor 与 Iterator，解决长会话上下文膨胀；V3 引入 Spawn-Converge——主 Agent 将问题拆成 3–4 个互斥假设，子 Agent 上下文隔离并行修改与训练，主 Agent 汇总独立结果后决策下一轮方向。
• 效果数据：在模型结构、优化目标与场景均不相同的两个业务建模项目中，单任务完成耗时较人工基线分别减少约 85% 与 83%；其中一个项目中，系统自主推导的优化方案已完成验证并推全上线，取得线上收益；另一个多目标项目中，系统产出方案在全部 12 个预估目标上超过人工基线。文章同时给出自身对照：同一项目下 LOOP 架构 10 次迭代耗时 3 天未突破，图架构 12 次迭代耗时 4.7 小时达成目标，迭代速度相差 18 倍；该 18 倍为相对自身 LOOP 架构，与 85%/83% 的人工基线口径不同。
• 可信与自进化设计：文章将可落地的约束尽量移出 Prompt——已证伪方向写入状态文件硬约束列表，关键状态以状态文件为唯一事实源，易过期字段每轮强制重读，平台调用做幂等化与结构化校验；系统保留每轮原始指标与原始代码 diff，作为可回溯证据链；子 Agent 上下文隔离，并在低置信度、连续恶化或方向性归因时触发交叉验证；工具使用经验先形成 Skill 草稿，经系统初筛与人工审核后进入工具集，业务知识库与线上闭环反馈持续回流。
• Harness 判断：文章称自主研究系统的核心工程量在模型侧之外，而在 Harness 侧——状态机、硬约束、证据链、晋升门槛决定系统是加速发现有效方案，还是加速传播错误；文中引用 LangChain 编码 Agent 的对照：同一模型仅调整 System Prompt、Tools、Middleware 三个 Harness 维度，Terminal Bench 2.0 的 89 个任务得分从 52.8% 提至 66.5%。
• 适用边界：该系统适用于有明确可量化指标、单次实验成本可接受、实验结果可逆的场景；不适用于评价高度主观、搜索空间完全开放、或单次实验成本极高且不可逆的场景。文章还列出训练资源仍是外部瓶颈、垂直经验跨项目复用存在泛化风险、归因可解释性有限等限制；效率数据来自美团内部两个项目，尚无第三方复现。

🔗 美团技术团队原文