Great paper from Meta Superintelligence Labs on compounding inference for long-horizon agents. One ...

elvis on X: "Meta超智实验室关于长期目标代理复合推理的优秀论文。在大型多智能体系统中，一个明确有效的方案是持久化存储。Meta研究人员在本文中提出了一种具体实现方法。你将发现推理阶段的计算通常会分散到独立尝试中，因此大多数运行会忽略部分工作和失败的思路。他们通过以下方式解决这个问题：GitSwarm为数百个异步代理提供了一个共享的Git仓库。每个贡献都以提交记录的形式存在，记录了其基于的先前提交（任何分支）。没有中央规划者，每个工作者自主决定是探索、验证、优化还是整合现有工作。使用GPT-5.5 Codex工作者，它在单次运行中解决了所有30个IMOProofBench-Advanced问题。在ProgramBench测试中，其得分79.4%，优于单个Codex代理在相似预算下的65.1%。随着工作者数量增加，得分持续提升：100个工作者时为73.1%，500个时达到79.4%。后续工作者基于94.7%的已发布贡献进行构建，70.1%的失败研究提交被后续通过的工作引用。论文：

arxiv.org/abs/2610.04862

与论文对话：

academy.dair.ai/papers/gitswar…

2026年10月11日 下午2:17

·

5,125

浏览量

36

8

81