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 Read Full Article