Clauday.

这周关于循环的讨论，从拼速度转向了讲诚实。最有分量的几条都在讲验证：一个团队把90%的算力花在造裁判上，因为他们测的每个模型都会钻奖励漏洞；一篇Google论文证明，自我进化的harness如果不加正则化，一离开训练分布就崩；还有人开始反弹用autoresearch灌水的论文。另一条主线是循环内部的成本结构：好几组独立结果都显示，agent循环里的大多数决定…

今天循环这条线的主题不是新的跑分，而是账单和爆炸半径。一边，当天最有说服力的 autoresearch 成果来自以太坊共识设计：Lean 模型坐在循环里面，决定什么能留下的是证明检查器，而不是某个分数。另一边，三条互不相关的帖子记录了循环没有闸门时会发生什么：一个超时不停重试，最后变成 340 美元、200 条坏数据和 47 封发出去的邮件；Mandiant…

今天这个循环不再是演示，它变成了带价签的基础设施。一个衡量递归自我改进的开放基准发布了，跑在一千张 GPU 上、单条 agent 轨迹长达 60 小时，而且点名了两个 agent 到底发现了什么——Codex 找到的优化器在不同方向之间平衡矩阵更新，Claude Code 找到的按每个隐藏单元自身的权重缩放它的更新，分别比基线高 0.60% 和 0.35%。…

同一个窗口里发生了两件方向相反的事，这让本周成为 autoresearch 迄今最诚实的一周。供给侧变得机构化了：OpenRSI 发布了一个开放基准，把真实的开源项目变成 autoresearch 环境，agent 轨迹在千卡集群上连跑 60 小时，光是做出预览版就烧掉超过 10 万 H100 小时，而且它公开的是轨迹而不只是分数。NVIDIA、南洋理工和 …

本轮最清晰的自动研究结果，把循环对准的是 harness 而不是模型，而且它压根没在追更高的分数：性能持平，token 流量少了大约 45% 到 49%，API 成本降了约三分之一。当能力天花板临近时，这类循环干的就是这件事——不再优化准确率，开始优化账单。今天几乎所有其他内容都贯穿着同一条主线。报告出来的最大单点增益，既不来自更好的模型，也不来自更好的检索…

这个窗口里，循环掉过头来对准了它自己，而且真的奏效了。所有人都在读的那篇论文，把递归自动研究跑在了 agent 的 harness 上而不是模型上——152 个候选方向、535 个可执行环境、三千多次运行——最后留下四种机制，把 token 流量砍掉最多 49%、API 成本降低约三分之一，同时保住约 94% 的分数，而且原封不动地迁移到了另一家厂商的模型上…

一篇论文连续三天占领了整个 feed，原因值得直说：有人把自动研究循环指向了 agent 的外壳而不是模型，回来带了四个机制，token 流量砍掉近一半而性能不掉。这把其余一切都重新框定了。本轮最锋利的一句就从这里长出来——自我改进的循环会先攻那个「有便宜验证器」的层，这也解释了为什么这项技术如今殖民了 kernel、上下文管理和训练数据，却完全没碰任何定性…

今天这批数据里最强的结果根本不是一次优化——一个 autoresearch agent 自己挑了目标、自己去查，发现一份已通过但尚未激活的 Solana 提案会让 433 个本应作废的权限密钥重新变得可签。问题在激活之前就被上报并修掉了。其余的东西聚成两个问题。第一，钱究竟花在哪儿：一篇让自动研究循环去改写 agent harness 而不是改写模型的论文，…

这一周，循环不再是演示，它开始产出必须有人去应对的东西。一个 autoresearch agent 自己挑了目标，在一份已通过但尚未激活的 Solana 提案里找到了签名验证漏洞——如果上线，433 个把权限置零的账户会重新变得可签——并赶在激活前推动修复。一笔抗量子比特币交易的算力成本，在搜索向互相竞争的 agent 开放之后，一天之内降到四分之一。Amp…

本轮有两个结果都在一根权重都没碰的前提下改进了循环，而它和其他所有东西的对比才是重点。Google 的 Dream-RSI 把模型完全冻住，只递归改进搜索，把记录下来的发现历史当成便宜的模拟器回放，算力调用少了 162 倍。Salesforce 的 DarwinX 不重训任何模型，只进化提示词、工具和工作流这一层，把 agent 任务完成率从 43.5% 拉…