评测：Nvidia SoL-Pi 用自动研究循环优化 agent harness 的 token 效率

文章评述 Nvidia 论文《SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent Harness》，该方法让优化器 agent 观察基础 harness 的执行轨迹、提出并实现改动、再在真实环境中验证，从而自动搜索 harness 设计，得到四类 token 效率机制。文中称搜索覆盖 6 个提案族约 150 个方向、约 535 个可执行环境（含 495 个 GitHub issue→PR 任务与 40 个验证器驱动的合成任务），并以 MIT 许可的 Pi 扩展形式发布。

AI推荐理由 对 Nvidia 论文 SoL-Pi 的第三方评测，涉及通过自动研究循环优化 agent harness 的 token 效率，并给出约 150 个提案方向、535 个可执行搜索环境等具体数字，对 agent 工程有参考价值；但属个人解读，未提供独立复现或效果验证。