# 清华团队花约10万美元、一周时间，让系统自动刷出105个SOTA

> 原标题：刷榜只是体力活！清华消费10万块，一周「肝」出105个SOTA

- 来源：新智元 · 公众号
- 发布时间：2026-04-29T12:48:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/12339
- 原文：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652696367&idx=3&sn=2d22c09d1f00f30a1f4fc080dccc009f

## 摘要

清华徐丰力团队和北京中关村实验室搞了个叫AutoSOTA的系统，放养式跑了一周，烧掉约220亿token，产出了105个所谓的最优结果。系统里塞了8个智能体，分别负责搭环境、修bug、排任务、想点子、做审计。每完整跑一轮平均5小时。最关键的是它设了条红线：不准改评估脚本和数据划分，靠这个来保证结果能复现。

## 推荐理由

清华徐丰力团队用8个智能体组成AutoSOTA系统，一周内自动产出105个SOTA结果，并禁止修改评估脚本和数据划分来保证可复现。

## 锐评

一周烧 220 亿 token 换 105 个 SOTA，这个账我算不过来。让我信的是那条红线，不准改评估脚本和数据划分，这一条比 105 这个数字值钱。现在刷榜的活儿，改改数据划分、调调 prompt 就能涨点，能复现的没几个。8 个 agent 分工搭环境、修 bug、想点子，跑一轮 5 小时，这套 scaffold 本身才是能拿走的东西。10 万美元买一周无人值守的调参，对有钱的实验室不算贵，105 个 SOTA 里有多少是真提升，得看它敢不敢把评估脚本一起开源。
