SoL-Pi 以四項機制降低代理成本，EdgeBench 分數保留約 94%

NVIDIA、南洋理工大學與 MIT 團隊於 9 月 17 日公開 SoL-Pi 研究，透過自動實驗改良程式代理的執行框架。系統從 152 個方向、535 個可執行環境中篩出四項機制，著眼於工具往返與上下文重送成本；模型權重並未因此更新。研究先固定能力與效率門檻，再檢驗候選修改，保留的框架才進入獨立評測。[論文](https://arxiv.org/abs/2609.20519)

四項機制對應不同浪費來源：Action Fusion 把編輯及後續驗證命令合成一次工具呼叫；Online Context Compact 在子任務結束時，估算後續節省能否抵銷快取重寫成本。ObservationPack 將大型輸出存於本機，後續改傳索引與節錄，需要時再取回原文；Evidence-Preserving Reducer 則讓較便宜的模型先讀建置、測試日誌，並核對引文與來源，驗證失敗就保留原始輸出。[技術說明](https://nvlabs.github.io/SoL-Pi/)

從這種驗證方式可推知，引文可追溯仍不代表沒有遺漏重要訊息。對依賴長日誌診斷的流程，應把原文取回次數、漏判錯誤與重試成本一起量測，避免省下當次輸入，卻增加後續調查迴圈。尤其當錯誤線索跨越多段輸出時，保留內容的選擇仍須由任務結果驗證。

作者在 51 項公開 EdgeBench 任務上報告，完整效率配置相較 Pi，於兩款模型減少 44.7% 至 49.0% 的 token 流量，API 成本約降三分之一。但這不是完全無損：GPT-5.6 Sol 的平均分數從 44.8 降至 42.0，Opus 5 則從 44.8 降至 42.2。流量統計包含快取讀寫，不能解讀為生成文字減半；成本也採用 8 月 17 日的 API 價格。[結果表格](https://arxiv.org/html/2609.20519v1)

外部任務更凸顯取捨：在 63 項僅使用 CPU 的 Terminal-Bench 4 任務中，SoL-Pi 解出 15 項，Pi 解出 18 項。總費用雖下降，每題成功成本與完成率仍應一起比較。研究也保留人工設定方向、檢視成果與重構程式的步驟，持續遞迴改進仍是後續目標。[專案評測與限制](https://nvlabs.github.io/SoL-Pi/)

公開版本以 MIT 授權提供 Pi 擴充套件，四項機制預設全部關閉，測試對應 Pi 0.85.1。導入者須另外確認日誌是否允許送往輔助模型，以及本機封存的保存期限。工程上的下一步，是逐項啟用並量測成功率、快取命中與實際帳單，確認節省可轉移到自己的工作負載。[儲存庫](https://github.com/NVlabs/SoL-Pi)