网易首页 > 网易号 > 正文 申请入驻

Arbor:为AI编程智能体构建持久性假设树

0
分享至


AI编程智能体通常存在一个明显缺陷:它们倾向于孤立地开展研究,在上下文窗口重置后,先前的实验数据和想法便会随之消失。这不仅造成大量Token浪费,还会导致模型重蹈覆辙、反复陷入同样的困境。

然而,来自中国人民大学高岭人工智能学院与微软研究院的数据科学家们认为,问题的根源并不在于模型本身,而在于整体架构的设计。为此,他们联合推出了Arbor——一种"持久性假设树"系统,旨在帮助智能体在漫长的研究过程中持续记忆并不断优化研究成果。

在这一架构中,一个长期运行的协调器负责统筹整棵树的研究策略,而多个短期执行器则会在独立的工作树中并行测试不同假设。随着实验结果不断回流,假设树持续更新,研究方向也随之收窄和细化。

实际测试表明,在相同资源预算下,Arbor在真实工程任务中的表现比标准AI编程智能体提升了两倍以上。

Info-Tech研究集团研究总监马哈茂德·拉明对此解释道:"Arbor能够随时间积累信息,允许智能体像人类一样在以往发现的基础上持续构建——通过学习、适应,并最终将过去所学付诸实践。"

Arbor的研发团队指出,单纯延长执行时间并不能保证研究取得进展。真正的挑战在于如何维护一种状态,能够将大量独立尝试转化为"累积式假设优化"。

此外,研究团队强调,研究进展不应依赖人工监督者频繁介入来指示下一步方向或解读历次实验的意义。要实现真正的自主性,智能体研究框架必须能够在时间维度上持续维系实验、数据、结果与失败之间的关联。

Arbor的设计围绕三项核心系统要求展开:

第一,系统必须支持分支,以便子树能够同时测试多个具有潜力的竞争性假设。与此同时,无限制的分支扩展可能导致框架失控,因此必须加以约束,确保整体有序。研究团队将此称为"有序分支"。

第二,系统基础设施必须将局部执行与整体策略分离。测试单一假设需要执行编辑、调试、评估等短周期任务,但这些操作不应干扰或遮蔽基于全局实验结果所做出的宏观决策。

第三,系统必须能够区分探索性改进与经过验证的改进,从而防止AI在试错过程中出现过拟合现象,而非从底层规律中迭代学习。

持久性是Arbor的核心所在。假设树将假设与想法、用于测试的代码或配置产物、实验证据(结果与指标),以及提炼出的洞见(例如"这个数据过滤器有效,但这个学习率调度器无效")全部关联在一起。

项目启动后,短期工作树负责运行代码、记录工作过程并收集指标。其上方的长期协调器则充当实际意义上的研究负责人,持续监控整个过程,更新节点,筛选"有前景的叶节点",剪除或合并分支,传播可复用的经验,并决定下一步优先探索哪些假设。

Arbor的构建者写道:"因此,假设树是系统的运行研究状态,它同时兼具搜索前沿、历史尝试记忆,以及验证过产物改进的审计轨迹三重功能。"

为验证这一机制的有效性,研究团队在自主优化场景下对Arbor进行了评测:智能体被赋予一个初始研究产物(数据管道、测试套件或训练脚本),并在无人工干预的前提下,通过迭代实验提升其"留出集性能"。留出集性能是机器学习中的一项评估指标,用于衡量模型对未见数据的泛化能力。

基于树结构的架构在多个真实研究任务中接受了测试,涵盖模型训练(提升训练方案与超参数的能力)、测试套件工程(升级评估或训练套件的能力)以及数据合成(为训练或评估生成更优质数据的能力)。

最终结果显示,在相同资源预算下,Arbor在留出集增益方面的表现比Codex和Claude Code的平均水平高出2.5倍。

研究人员由此得出结论:维护一棵结构化、持续演化的假设树,比以"无记忆"方式运行同款编程智能体能够带来更显著的性能提升。

Info-Tech的拉明指出,Arbor最具创新性的特点在于其维护智能体记忆、保留历次尝试和假设相关数据的能力,并表示"下一代自主智能体的关键,或许在于随时间积累证据的能力。"

然而,他也指出,这同样引发了对大规模健壮研究环境可审计性的担忧。"随着自主智能体在无人监督下完成工作的能力不断增强,企业将需要对智能体采取特定行动或得出特定结论的方式与原因保持透明度。"

Q&A

Q1:Arbor是什么?它是如何工作的?

A:Arbor是由中国人民大学高岭人工智能学院与微软研究院联合提出的"持久性假设树"系统。它通过一个长期运行的协调器统筹研究策略,并由多个短期执行器在独立工作树中并行测试不同假设。随着实验结果不断回流,假设树持续更新,从而帮助AI编程智能体在长时间研究过程中保持记忆、积累经验,避免重复犯错。

Q2:Arbor的性能表现如何?与现有工具相比如何?

A:在相同资源预算下,Arbor在真实工程任务中的表现比标准AI编程智能体提升了两倍以上。具体而言,Arbor在留出集增益方面的表现比Codex和Claude Code的平均水平高出2.5倍,测试范围涵盖模型训练、测试套件工程和数据合成等多个真实研究任务。

Q3:Arbor在大规模应用中面临哪些挑战?

A:主要挑战在于可审计性问题。随着Arbor等自主智能体在无人监督下完成工作的能力不断增强,企业需要对智能体采取特定行动或得出特定结论的方式与原因保持透明度。此外,无限制的分支扩展可能导致框架失控,因此系统必须在支持多路并行假设探索的同时,保持整体结构的有序性。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
特朗普公开表示:此次中国之行机场欢迎仪式场面盛大又美丽,展现出了极大的尊重,我对此心怀感激

特朗普公开表示:此次中国之行机场欢迎仪式场面盛大又美丽,展现出了极大的尊重,我对此心怀感激

吉刻新闻
2026-11-19 10:41:59
54岁陶虹久违露面,身形壮硕体态松弛,五官面相完全认不出

54岁陶虹久违露面,身形壮硕体态松弛,五官面相完全认不出

清欢无事
2026-11-17 23:35:34
世界第1的赵心童抽到第122位,世界第16的常冰玉要打德比

世界第1的赵心童抽到第122位,世界第16的常冰玉要打德比

小青年渌渌
2026-11-19 11:49:40
程英生了一个儿子叫什么?此人名气大、武功高,张三丰都没有把握赢他

程英生了一个儿子叫什么?此人名气大、武功高,张三丰都没有把握赢他

金宝哥讲故事
2026-11-13 00:30:11
脚踝骨折,确认报销!开拓者再遭重创,西部夺冠格局再起悬念

脚踝骨折,确认报销!开拓者再遭重创,西部夺冠格局再起悬念

暮色史观
2026-11-19 10:24:15
机动车年检大局已定?2027正式实施,私家车年审或面临3大变化?

机动车年检大局已定?2027正式实施,私家车年审或面临3大变化?

云霄纪史观
2026-11-20 00:56:06
娃哈哈代工厂48小时免职207人,大规模人事变动疑云丛生丨大象财富

娃哈哈代工厂48小时免职207人,大规模人事变动疑云丛生丨大象财富

大象新闻
2026-11-19 18:43:03
从碾压安踏李宁,到月亏过亿:曾经的运动品牌顶流,到底错在哪?

从碾压安踏李宁,到月亏过亿:曾经的运动品牌顶流,到底错在哪?

一些小事
2026-10-01 20:27:33
欢迎晚宴合影期间,普京和特朗普互动握手

欢迎晚宴合影期间,普京和特朗普互动握手

每日经济新闻
2026-11-19 20:43:37
降温后才发现:上海满街不穿羽绒服了,都在穿“奶奶棉服”,轻薄显贵

降温后才发现:上海满街不穿羽绒服了,都在穿“奶奶棉服”,轻薄显贵

全球时尚
2026-11-18 23:49:24
英皇把董事席位交给谢霆锋,看中的是那根卖了 15 亿的烤肠

英皇把董事席位交给谢霆锋,看中的是那根卖了 15 亿的烤肠

子芫伴你成长
2026-11-19 00:05:10
不可思议!异地相亲奔现第一天,男生要求女生同住遭拒后提分手,直言“奔现一次花费近两千,不划算”

不可思议!异地相亲奔现第一天,男生要求女生同住遭拒后提分手,直言“奔现一次花费近两千,不划算”

火山詩话
2026-11-18 07:46:48
11岁的关凌认识了28岁的姬云飞,整整17岁的年龄差,所有人都觉得俩人这辈子不会有交集,没想到,关凌最终还是嫁给了他!

11岁的关凌认识了28岁的姬云飞,整整17岁的年龄差,所有人都觉得俩人这辈子不会有交集,没想到,关凌最终还是嫁给了他!

LULU生活家
2026-11-19 19:30:09
泽连斯基回应特朗普访华

泽连斯基回应特朗普访华

凤凰卫视
2026-11-19 11:02:03
媒体:兰州狱警殴打服刑者致死案再审一审宣判,四狱警分别获刑

媒体:兰州狱警殴打服刑者致死案再审一审宣判,四狱警分别获刑

不惯着
2026-11-19 11:31:54
贾国龙不服输,又要做火锅生意:新店主打“冰煮鲜羊”,人均102元,西贝与天边砂锅焖面门店规模已大幅缩水

贾国龙不服输,又要做火锅生意:新店主打“冰煮鲜羊”,人均102元,西贝与天边砂锅焖面门店规模已大幅缩水

蓝鲸新闻
2026-11-19 16:25:03
招商引资的“杀猪盘”:撤股三年后,外商如何被法院精准“收网”

招商引资的“杀猪盘”:撤股三年后,外商如何被法院精准“收网”

有戏
2026-11-11 08:36:23
当着全世界的面!日本给赖清德“当头一棒”,祖国统一众望所归

当着全世界的面!日本给赖清德“当头一棒”,祖国统一众望所归

林杰论事
2026-10-20 01:09:25
冷知识!全世界最不该统一的国家,居然成了世界第四人口大国!

冷知识!全世界最不该统一的国家,居然成了世界第四人口大国!

墨策史
2026-11-12 01:05:03
英伟达叫停H200对华供货,外交部亮明立场,不再和美国多费口舌

英伟达叫停H200对华供货,外交部亮明立场,不再和美国多费口舌

墨子翟的日记y
2026-11-19 12:11:53
2026-11-20 02:24:49
至顶科技 incentive-icons
至顶科技
科技产业媒体与 AI 产业服务机构
23553文章数 49740关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

数码
本地
家居
艺术
公开课

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

本地新闻

乌兰察布:以前种土豆,现在种Token

家居要闻

2026建博会(广州) 公装联探展交流活动

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版