Unverified50% confidenceFactExact time
自动化研究智能体与传统超参数搜索或神经架构搜索不同，能够提出全新的模型结构假设而非仅在预定义搜索空间中优化
1
Sources
50%
Confidence
Long-term
Relevance
8/9/2026
First Seen
Sources
Related Claims
UnverifiedAgentic Search 效果高度依赖底层模型推理质量，在推理能力弱的模型上可能适得其反73% similarUnverified缓解无梯度方法样本效率问题的策略包括：对参数低秩投影进行进化搜索、将进化用于元学习层面、将其限定于神经架构搜索等离散结构决策70% similarUnverifiedAnthropic 团队早期尝试过本地向量检索，但测试发现效果不如让 AI 自己操作搜索工具69% similarUnverifiedAgentic Search 在中小规模、结构清晰的代码库表现更好，超大规模复杂场景尚无定论69% similarUnverifiedAutoML、神经架构搜索和模型生成训练数据管线仍在人类设定的目标函数与搜索空间内运作，不具备修改自身目标或架构约束的能力68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/717115API
curl https://kongchang.com/api/v1/knowledge/claims/717115MCP
get_claim(id=717115)