一句话看懂：alphaXiv 2026年10月12日展示的论文提出 DuoDiscover 搜索系统，用“木尺”代理评测绕开动辄数小时的昂贵真实验证，在软件、GPU/TPU 内核和 CPU 芯片设计任务上取得显著优化，直指自主发现的评测瓶颈。
事件核心：发生了什么
根据 alphaXiv 页面公开的论文摘要，DuoDiscover 是一个面向自主发现的搜索系统。其核心思路是让多个编码智能体各自选定一段待优化代码（target），同时构建一个快速、针对该目标的代理评测器（yardstick），在“快循环”里用木尺爬山，仅用少量昂贵真实评测确认增益。轻量级编排器管理多个代码副本上的独立 worker，并通过“保真度测试”持续校验木尺排序是否与真实评测一致，漂移即作废重建。
论文给出的实验数据包括：在 SWE-fficiency 上平均加速是人类专家的 2 倍；SOL-Exec 的 235 个内核中，121 个排名第一、212 个进入前三；在已高度优化的 vLLM 和 SQLite 引擎上，分别取得 1.92 倍和 1.38 倍增益。在单次评测最长 28 小时的 CPU 微架构任务中，DuoDiscover 超过 AlphaEvolve 系 ArchAgent v2 和最佳人类设计，以 16.7 天完成 1.65 倍于 ArchAgent v2 的增益，而后者耗时超过 40 天。vLLM 对比中，20 小时内 DuoDiscover 几何平均增益为 1.92 倍，Claude Code 为 1.07 倍。
为什么重要
当前 AI 自主发现最大的瓶颈不是生成候选方案，而是评测成本。真实环境跑一次全量基准或服务链路追踪可能耗时数小时，搜索预算只能支撑个位数真实评测。DuoDiscover 把“优化什么”和“怎么快速判断好坏”放在同一搜索循环中联合发现，等于把算力从评测环节解放出来，投向方案探索。这对大模型训练与推理、芯片架构、系统软件等评测昂贵领域尤其关键，也意味着自主 AI Agent 的竞争可能从“模型能力”转向“评测效率工程”。
对用户/开发者/创作者的影响
对开发者和 AI 应用团队而言，DuoDiscover 展示了一条降低优化门槛的路径：未来不必为每次代码改动等待完整基准测试，Agent 可以先用定制代理指标快速筛选，再定期用真值校准。但需注意，论文中的 vLLM 和 SQLite 结果均限定在特定版本、20 小时或 8 小时预算、4 个 Agent 的条件下，并非通用性能承诺。开源与闭源框架若跟进类似机制，可能改变代码优化、内核调优和芯片设计工具的形态；对内容创作者与普通用户，这类技术间接影响推理成本和响应速度，但短期内不会直接体现在日常产品界面。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 DuoDiscover 是否开源或转化为可调用 API/工具，让开发者能复现 vLLM、SQLite 上的优化流程；二是保真度测试在更嘈杂的真实生产环境中能否稳定工作，避免代理指标失效导致优化方向跑偏；三是头部芯片公司、云厂商和 AI 编程助手是否跟进“联合发现目标与代理评测”的路线。目前公开信息显示，该工作仍以论文形式呈现，尚不能确定已产品化或通过同行评审。
来源：alphaXiv
