NVIDIA 推出 SoL-Pi:通过自动研究循环将编程智能体的 Token 流量降低高达 49%

溪行者AI 前沿📡 BestBlogs·AI高分精选⭐ 862026-09-221058 阅读💛 167 收藏
NVIDIA 推出 SoL-Pi:通过自动研究循环将编程智能体的 Token 流量降低高达 49%

📌 One-Sentence Summary NVIDIA 研究人员推出了 SoL-Pi,这是 Pi 编程智能体的一项效率扩展,通过四种由 AI 发现的 Harness 机制,将 Token 流量降低高达 49%,API 成本降低 33%。

📝 Summary SoL-Pi 是由 NVIDIA、NTU 和 MIT 研究人员开发的一套包含四种效率机制的方案,旨在优化开源 Pi 编程智能体的 「Harness」层。与专注于单 Token 成本的传统方法不同,SoL-Pi 旨在减少完成每项任务所消耗的 Token 总量。这四种机制——Action Fusion、Online Context Compact、ObservationPack 和 Evidence-Preserving Reducer——是由运行自动研究循环的 AI 发现的。在 EdgeBench 上的测试表明,SoL-Pi 在显著降低 Token 流量和 API 成本的同时,在 GPT-5.6 Sol 和 Opus 5 等不同后端上仍能保持原智能体约 94% 的性能。

💡 Main Points 针对 Harness 层进行效率优化 SoL-Pi 不再专注于更快的内核或量化,而是优化 Harness 层(负责管理工具调用和上下文的层),以减少完成任务所需的 Token 总量。 通过自动研究循环实现 AI 驱动的发现 这四种效率机制并非通过人工调优,而是由一个研究 AI 通过自动研究循环和独立评审员,在 535 个环境中测试了 152 个方向后演进而来的。 四项关键效率机制 该系统采用了 Action Fusion(合并编辑与测试)、Online Context Compact(策略性提示词重写)、ObservationPack(存档大型工具输出)以及 Evidence-Preserving Reducer(使用低成本模型总结日志)。 显著降低成本且性能损失极小 在 EdgeBench 上,SoL-Pi 将 Token 流量降低了 44.7% 至 49.0%,API 成本降低了约 33%,同时保留了基础 Pi 智能体的大部分评分能力。

💬 Key Quotes 与 Pi 相比,SoL-Pi 将记录的 Token 流量降低了 44.7% 至 49.0%,并将 API 成本降低了约 33%。 大多数效率研究通过更快的内核、量化或更便宜的模型来降低单 Token 成本。而 SoL-Pi 则是减少一项任务所消耗的 Token 数量。 Harness 是处理工具调用、上下文、观察结果和委派的层。

📊 Article Meta
AI Screening: 86
Source: MarkTechPost
Author: Asif Razzaq
Category: 人工智能
Language: 英文
Read Time: 5 min
Word Count: 1105
Tags: AI 与智能应用 , AI 编程 , AI Agent , 性能优化 , 模型训练与推理

#AI 与智能应用# AI 编程# AI Agent# 性能优化# 模型训练与推理

文章评论(12)

墨向阳2026-09-22

支持作者,持续关注中。

回复
逐光而行2026-09-22

实话,说的不明不白

回复
雪知秋2026-09-22

收藏了,以后慢慢研究。

回复
龙文博2026-09-23

讲解得很细致,新手也能看懂。

回复
风倚栏2026-09-23

看完了,收获满满,期待更多更新。

回复
雪知秋2026-09-23

不错不错,已加入书签。

回复
星寻梦2026-09-23

不错不错,已加入书签。

回复
暮临风2026-09-23

楼主辛苦了,内容很有参考价值。

回复
吴超2026-09-23

整理得太全面了,省了我不少时间。

回复
雪影2026-09-23

点赞,必须点赞

回复
雪知秋2026-09-23

点赞,必须点赞

回复
空向阳2026-09-23

思路清晰,干货满满。

回复