NVIDIA、AIのプログラム作成効率を最大49%改善

プログラム作成AIは、今や数分ではなく数時間動きます。あらゆる編集、テスト実行、ログの読み取りが、AIの考える情報（モデルのコンテキスト）に戻されます。NVIDIA、NTU、MITの研究者チームは、オープンソースのPiコーディングエージェント向けに4つの効率化メカニズムのセットであるSoL-Piをリリースしました。AIは、ハーネス層で自動研究ループを実行することにより、これらのメカニズムを発見しました。51タスクのEdgeBench評価において、SoL-PiはPiと比較して記録されたトークン（情報量）トラフィックを44.7%から49.0%削減し、APIコストを約33%削減します。GPT-5.6 SolとOpus 5の両方で、そのスコアはPiに近いままでした。展開可能でしょうか？はい、可能です。SoL-Piは、NVlabsの下でGitHubにてMITライセンスの拡張機能として公開されており、変更されていないPiリリース上で動作します。Pi 0.85.1およびNode.js 22.19以降でテストされています。なぜハーネスをターゲットにするのか ほとんどの効率化作業は、より高速なカーネル、量子化、またはより安価なモデルを通じて、トークンあたりのコストを削減します。SoL-Piは代わりに、タスクが消費するトークンの数を削減します。ハーネスは、ツール呼び出し、コンテキスト、観測、委任を処理する層です。ハーネスを手動で調整するのは時間がかかり、その部品は結合しています。ある場所での修正が後のステップにコストを押し付ける可能性があります。Meta-Harnessや同様のシステムは、この作業を自動化します。しかし、最近の研究では、進化したハーネスは検索タスクに過学習し、未知のタスクではわずかな利益しか得られないことが判明しました。検索の仕組み 研究AIは、ベースのPiを実行している別のエージェントからの実行トレースを観測します。次に、ハーネスの変更を提案し、それらをテストします。検索対象は以下の通りです。コンテキスト、進捗、ツール、委任、プロンプトとポリシー、改善と評価の6つのカテゴリにわたる152の提案された方向性 535の実行可能な環境：GitHubのissue-pull requestペアから構築された495と、実行可能な検証機能を持つ40の合成タスク 3,000回以上の実行と60,000回以上のエージェントと環境の相互作用 各検索は使い捨ての分離されたループです。これは、Ralph Loopの実装ステップと独立したレビューアを追加した、自動研究サイクルに従います。受け入れルールは検索開始前に固定されており、オプティマイザは