【第660期】有效反馈计算：代理系统的Scaling Law

Seventy3 · Jul 21, 2026 · 19m

Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。

如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。

联系小助手微信：seventy3_podcast（加群/投稿论文）

今天的这篇的主题是：

Scaling Laws for Agent Harnesses via Effective Feedback Compute

Summary

智能体 Harness 通过控制工具使用、反馈机制、结果验证、记忆管理以及错误修复等环节，决定了大语言模型的实际性能。然而，传统的测试时计算开销（test-time compute）指标——例如 Token 数量、工具调用次数、运行时间（wall time）或计算成本——无法区分哪些反馈真正有助于任务完成，哪些只是冗余、无效或不稳定的交互。

我们提出 有效反馈计算（Effective Feedback…