Loop 日报: 2026-10-08

这个窗口的循环新闻讲的是循环学到了什么，以及该不该让它去学。Meta 的 MIRA 论文把研究 agent 一分为二：一个元推理器读一份持久的研究记录、写下一轮的工单，一个全新的执行器把工单做完，于是那些很少出现的「下一步查什么」的决定有了自己的 critic；SEAR 花了累计四年多的 agent 时间让机器人策略自我演化，发现 Astra 最擅长实时盯着纠正每一步，Fable 最擅长先用代码写出自己的工具和策略；SkillPoison 则证明一个自我改进的 agent 可以被十五条全都通过验证的轨迹教会一条错误的规则，某个配置下攻击成功率 95.71%。使用数据也来了：在 OpenResearch 上，Opus 5.5 跑了 34.9% 的 autoresearch 实验，GPT-6.1 Sol 占 25.4%，开源模型只有 7.8%。实践这一侧，一位 SpaceXAI 工程师八月用 20 多个并行 agent 合入了 2,462 个 PR，并把功劳归于验证而不是 agent 数量；一个持续学习产品现在每晚回顾前一天的对话并自动启动一轮强化学习；SGLang 上的 agent 对 agent 循环把成功归因于「让环境更容易监督」。最尖锐的批评都冲着指标去：Alexandr Wang 那句「一群 agent 抵一百个工程师」完全取决于有没有正确的评估，一位 ICLR 审稿人说大多数靠 autoresearch 循环投来的稿子是垃圾，还有一条回复指出爬山式循环几乎从不检验改进是否统计显著。