EP188 · Parag 谈搜索补偿、Erina 用实验改进智能体、Roland 构建产品循环

前 Twitter CEO、Parallel 创始人 Parag Agrawal 判断，智能体频繁使用网络会重塑搜索成本。他解释如何让搜索先筛掉无关信息，节省模型推理开销，并提出按智能体获益向内容所有者付费。访谈还谈到持续监测网页变化的推送式搜索，可帮助读者理解开放网络的新商业模式。

Erina Karati 以 Supercell 的多智能体游戏村庄说明，角色会在传递传闻时丢失来源，甚至把不确定说成确定。她提出用可控场景、运行轨迹和多维评分评估整段行为，只保留通过护栏的小幅策略改动。芒果促销案例已有改善，但她没有宣称系统获得普遍提升；这套方法可供长时程智能体借鉴。

Roland Gavrilescu 主张把运行、验证与反馈的循环视为智能体产品核心：将失败模式沉淀为评测，将重复行为沉淀为技能和提示词，再用可版本化的方案复用。招聘案例说明如何由人校准判断标准，并用实际用户反馈检验改动。他还强调衡量有价值的工作与成本；这些是方法主张，尚非通用效果的证明。

Claude Science 用既有 bootstrap 与 form-factor 方法计算出 N=4 超杨-米尔斯理论的九圈振幅，Lance Dixon 独立核验了结果。原文作者强调，Claude 在较少外部科学指导下完成复杂计算，但方法本身没有突破计算极限，宋何团队也同期取得相关结果。

Skydio 的 Suchet Bargoti 现场展示一名操作员同时操作三架无人机，并介绍支撑多机任务的自主技术栈：高可靠性目标、飞行数据反馈循环、地图式世界模型、遮挡下的目标跟踪，以及边缘与云端协作的视觉语言模型智能体。

Perplexity 以 Rust 编写的分布式键值存储 CobbleDB 取代核心搜索服务中的 DynamoDB；据其工程数据，批量读取延迟约降至原来的五分之一，整体存储费用至少降低 20%。

Lakshya A. Agrawal 介绍了 GEPA 的反思式提示优化方法与 Optimize Anything，指出执行轨迹中的文本反馈能够改进提示词、智能体运行框架及其他可评分产物，而且所需样例远少于仅依赖奖励的优化方法。

Tejas Bhakta 介绍了如何由人类选定优化方向、提供准确的硬件与模型背景，再借助兼顾正确性和性能的基准测试，让智能体搜索 GPU kernel 的实现方案；他也提醒，过于狭窄的目标会诱发指标投机，而成功的 kernel 与裸机优化叠加后，据称可带来 3 倍提速。

Dyna Robotics 联合创始人 Jason Ma 介绍数据金字塔、推理模型与世界动作模型，以及通过奖励模型和人工参与的主动学习改进机器人策略。其微调后的 Dyna-1 在餐巾折叠的 24 小时试验中达到 99.4% 成功率；他还分别展示餐厅部署、经任务微调的萨克拉门托洗衣店毛巾折叠、CoRL 2025 陌生环境演示和红牛活动应用。

千问 AI 平台在云栖大会发布面向 Agent 的全新服务方式，通过 Qwen 共创计划与 AI Arena 引入真实场景反馈优化模型，并推出 Skills、CLI 及支付宝合作的安全支付机制，旨在让云服务更易被 Agent 理解、调用与管理。

阿里平头哥在发布高性能 AI 芯片真武 V900 的同时，宣布扩大其类 CUDA 软件栈 T-Head SAIL 的开源范围，旨在通过降低迁移成本和赋能开发者自主优化，构建开放的国产算力生态。

Weights & Biases 工程师 Zubin Aysola 介绍 Arya 如何利用生产轨迹、忠实的离线仿真、可重复执行的任务和人工判断，持续研究并改进智能体的行为。

Prime Intellect 的 Elie Bakouch 介绍了 Codex、Claude Code 等智能体在机器学习速度挑战中的表现，并指出，只有采用受控且可复现的基准，才能区分刷新纪录与真正的新研究发现。

Matt Pocock 提出，AI 驱动的软件工厂需要三道刹车——自动化检查、智能体审查与聚焦的人工审查，再加上能把编码标准不断复利的 retro 技能，才能把 PR 瓶颈压下去，而不是变成 slop cannon。

Tim Sweeney 演示了研究智能体 Arya 如何探索模型实验，并介绍团队如何把生产轨迹、人工复核和任务评测结合起来，形成有章可循的智能体改进闭环。

这段 Claude Code 短片演示内置 verify 技能如何把浏览器与性能类手工检查变成可度量循环，让智能体自行确认 UI 改动、发现布局偏移并修复，减少来回沟通。

网易有道开源实时语音模型 R2T2 和 T3PO 登顶 Hugging Face，标志着中国 AI 影响力从通用大模型向细分技术栈渗透，并揭示了 Voice Agent 赛道中组件化与可控性的商业价值。

初创公司 Inferact 通过为谷歌 TPU v7 开发 megakernel 推理内核，结合 DeepSeek DSpark 框架，使 Kimi K3 的推理速度比英伟达 GB200 快 57%，且代码已开源。

Apple 为 iPhone 18 Pro 引入「Reference Image」，将图像来源信任从 C2PA 编辑链转移至传感器，并通过 Private Cloud Compute 验证真实的传感器捕捉。

开源项目 Colibrì 利用 MoE 架构特性，通过 SSD-RAM-VRAM 分层内存调度技术，让普通笔记本在无 GPU 或低显存条件下运行 GLM-5.2、Kimi K3 等千亿至万亿参数大模型。