# 人大团队让AI跑了23小时、74轮实验，靠的不是堆Agent，而是把文件当总线用

> 原标题：Agent不是关键！人大AiScientist实现23小时、74轮长程记忆

- 来源：新智元 · 公众号
- 发布时间：2026-04-20T04:02:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/7023
- 原文：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652693613&idx=3&sn=7fa2163604c338406d7beaefd751df54

## 摘要

人大高瓴人工智能学院放出了一个叫AiScientist的系统，在MLE-Bench Lite的一个侮辱性言论检测任务上连续跑了23小时、74轮实验，把验证集AUC从0.903拉到了0.982，中间刷新了18次最佳成绩。论文的核心观点是：长程记忆的关键不在多Agent协作，而在状态连续性。

## 推荐理由

人大高瓴团队让 AiScientist 在 MLE-Bench Lite 任务上连续跑 23 小时、74 轮实验，验证集 AUC 从 0.903 升到 0.982，论文据此讨论长程记忆依赖状态连续性而非多 Agent 协作。

## 锐评

File-as-Bus 这个思路我认。跑长任务最怕的就是干到第 30 轮忘了第 5 轮试过什么，然后开始重复劳动。把分析、代码、日志持续写回工作区，agent 就有了一份不靠 context 撑着的硬盘记忆，比多开几个 agent 互相聊天实在。消融那组数字挺硬，去掉这个机制 MLE-Bench Lite 的 Any Medal 直接掉 31.82 个百分点，PaperBench 也降 6.41 分，调 prompt 补不回这种差距。23 小时 74 轮把 AUC 从 0.903 拉到 0.982，中间 18 次刷新最佳，它确实在往前拱。
