递归自我改进（RSI）的 Harness 长什么样？英伟达 SoL-Pi 给出了第一份工程答卷
内容提要
英伟达提出SoL-Pi方法，利用AI离线改进编程Agent的Harness。152个候选方案经独立循环、能力底线与效率双重筛选，仅4个机制存活。在EdgeBench上，Token消耗降低约45%～49%，成本降低约三分之一，得分保留约94%。核心启示是预先声明底线、训练集与留出集隔离、一次性编排，使改进可验证、可回滚。
延伸解读
RSI 的边界：离线改进而非在线自改
SoL-Pi 常被误读为 Agent 运行时自我进化，但论文明确其定位是“RSI 启发”的离线闭环：AI 研究 Agent 观察另一个 Agent 在基础 Harness 上的轨迹，提出并实现改动，模型本身保持不变。人类提供早期先验、过滤低价值方向，幸存者再由人审阅重构。作者用 L1 到 L4 的分级说明，SoL-Pi 处于 L2，即 AI 主导搜索、人守两端，而非完全自治。理解这一边界，才能正确评估其工程价值。
能力底线：防止“省 Token”变成偷工减料
让 AI 优化效率，最直接的作弊方式是提前收工、跳过验证或删除证据。SoL-Pi 的对策是预先声明能力指标与容差，且对优化 Agent 不可见、不可改；候选必须同时通过能力底线和至少一项效率改善两道门。留出集在冻结后仅评估一次，失败即淘汰，结果绝不回流研究循环。这套护栏把“改进”约束为可验证、可回滚的动作，比单个机制更值得借鉴。
成绩的代价：更便宜不等于更强
EdgeBench 上 SoL-Pi 保留约 94% 的 Pi 得分，Token 降低 44.7%～49.0%，成本降约三分之一；对比 Codex 与 Claude Code 原生 Harness，API 成本低 50%～54%。但换到 Terminal-Bench 4，SoL-Pi 比 Pi 少解 3 题；IMO 上 Codex 通过 5 题而 SoL-Pi 为 3 题。作者提醒，它赢在“更便宜”而非“更强”，且搜索仅用单一后端轨迹，Opus 5 迁移证据只是初步，样本多为单次运行。
工程启示：编排即用即弃，人守两端
规模化跑上百个改进想法时，团队试过 YAML 固定工作流和主 Agent 现写协调代码，前者覆盖不了边缘情况，后者代码持续膨胀。最终采用一次性技能循环：一份最小模板，每次实验复制、改参数、跑完即丢，规模化变成重复实例化而非扩建协调器。配合先量化机会再分配预算、广度优先避免局部盆地、训练集与留出集物理隔离，构成可迁移的 RSI Harness 搭建清单。
Q&A
英伟达SoL-Pi是什么？它和一般的Agent自我改进有什么区别？
SoL-Pi是英伟达提出的“RSI启发”的Harness改进闭环，不是Agent在线运行时自改。它让AI研究Agent离线观察另一个Agent在基础Harness上的执行轨迹，提出并实现改动，再经能力与效率两道门筛选。人类提供早期先验并审阅幸存者，循环启动后无人干预。
SoL-Pi的改进闭环具体是怎么运行的？
闭环为：152个候选想法 → 每个想法独立研究循环（提出、实现、运行、读结果、保留或丢弃）→ 训练集筛选 → 冻结 → 留出集一次性验证，留出结果绝不回流。编排采用一次性技能循环，复制最小模板跑完即丢。
SoL-Pi如何防止AI通过偷懒来节省Token？
设置预先声明、对优化器不可见且不可改的能力底线：所有能力指标必须在容差内，且至少一个效率指标改善。留出集结果绝不回流，失败直接淘汰，不会被补丁式修复。
SoL-Pi最终保留了哪四个机制？各自作用是什么？
四个机制：Action Fusion（编辑加命令合成一次工具调用）、Online Context Compact（子任务边界评估压缩是否回本）、ObservationPack（大输出本地归档，前两次完整发送，之后换句柄和摘录）、Evidence-Preserving Reducer（便宜模型读日志生成回执，确定性验证器检查引用）。
SoL-Pi在EdgeBench上的效果如何？成本降低了多少？
在EdgeBench上，对比Pi基线，Token降低约45%～49%，成本降低约三分之一（$1,339→$894），得分保留约94%。对比Codex与Claude Code原生Harness，API成本低50%～54%。
搭建类似的RSI Harness有哪些可迁移的工程原则？
七条清单：先声明再搜索（指标容差固定且不可见）、双门验收（能力底线+效率改善）、训练集与留出集物理隔离、先量化机会再花预算、广度优先（增加起始想法多样性）、编排即用即弃（最小模板复制跑完丢弃）、人守两端（提供先验并审阅重构）。
SoL-Pi有哪些局限或需要冷静看待的地方？
得分有代价（保留约94%）；搜索仅在单一后端（Opus 5迁移证据初步）；样本小、多为单次运行；成本为API等价估算；作者团队自测；“递归高效改进”和“预训练Harness”仍是愿景，未证明复利效应。
