1.3 KiB
1.3 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | ||||
|---|---|---|---|---|---|---|---|---|---|
| Autonomous Optimization (AO) | 2026-06-24 | 2026-06-24 | concept |
|
|
Autonomous Optimization (AO)
AO 是 Arbor 提出的自主科研任务形式化模型：P = (M0, O, Edev, Etest)，Agent 通过迭代实验改进研究产物，无需步骤级人工监督。
四元组
| 元素 | 含义 | 约束 |
|---|---|---|
| M0 | 可变初始产物（代码库+数据） | Agent 可检查、修改 |
| O | 改进目标（指标方向） | 标量目标，越大越好 |
| Edev | 开发评估器 | 搜索期间自由使用 |
| Etest | Held-out 评估器 | 仅用于 merge gate，不可做探索 oracle |
关键约束
目标：M⋆ = arg max Stest(M') 约束：假设和实现决策不使用 Etest 作为探索 oracle
这防止了过拟合——在 dev 上改进但无法 transfer 到 test 的候选不应被接受。
与普通 Agentic Tool Use 的区别
AO 的目标不是单一响应或代码补丁，而是持续的研究轨迹。Agent 必须提出假设、物化为产物变更、解读实验反馈，并决定哪些方向应该精炼、合并或放弃。