Autoresearch in the wild 这场分享来自 AI Engineer World’s Fair 2026 Day 2 主舞台，讲者是 Roland Gavrilescu, Julian Bright。本文只整理会议内容和分享脉络，不做个人使用心得。
原视频：https://www.youtube.com/watch?v=4sX_He5c4sI（约 06:30:05 开始）
分享内容
Roland Gavrilescu 和 Julian Bright 的分享叫 Autoresearch in the wild。两人提到自己在 xAI 做 agent infrastructure 的经历，然后离开去研究 always-on、long-running horizon tasks。这个背景让这场更接近工程现场，而不是实验室演示。
官方描述里有一个判断：现在已经出现 model capability overhang，模型能力被周围系统限制。也就是说，很多模型已经能做更多事，但端到端系统没有跟上，导致能力无法稳定转化成结果。
这场讨论的是 compound AI systems 的持续自我改进。系统要从真实运行中收集信号，识别失败，调整架构、策略和流程，再观察下一轮是否变好。这里的自我改进不是单个 prompt 的自我改写，而是整个系统从反馈里更新。
现实环境和 benchmark 的区别在于噪声更多。输入不干净，工具会失败，用户目标会变化，权限和成本也会限制 agent 行动。因此 in the wild 的自动研究更需要边界、日志、回滚和责任划分。
分享结构
这场分享的结构比较清楚：先用 Autoresearch in the wild 的问题背景引入，再把重点落到 Autoresearch 这条主线。讲者不是只给一个结论，而是把问题、机制、案例和边界分开讲，方便听众判断这个方向能不能进入真实系统。
按内容顺序看，第一层是背景：Roland Gavrilescu 和 Julian Bright 的分享叫 Autoresearch in the wild。两人提到自己在 xAI 做 agent infrastructure 的经历，然后离开去研究 always-on、long-running horizon tasks。这个背景让这场更接近工程现场，而不是实验室演示。 第二层是方法或案例：官方描述里有一个判断：现在已经出现 model capability overhang，模型能力被周围系统限制。也就是说，很多模型已经能做更多事，但端到端系统没有跟上，导致能力无法稳定转化成结果。 这两层决定了这场分享不是单纯概念介绍，而是在解释为什么这个问题现在变得重要。
第三层是工程约束：这场讨论的是 compound AI systems 的持续自我改进。系统要从真实运行中收集信号，识别失败，调整架构、策略和流程，再观察下一轮是否变好。这里的自我改进不是单个 prompt 的自我改写，而是整个系统从反馈里更新。 这部分通常是会议分享里最值得保留的内容，因为它说明方案不是靠一句口号成立，而是靠具体环境、指标、记忆、验证或工具链支撑。
关键细节集中在后半段：现实环境和 benchmark 的区别在于噪声更多。输入不干净，工具会失败，用户目标会变化，权限和成本也会限制 agent 行动。因此 in the wild 的自动研究更需要边界、日志、回滚和责任划分。 这段把分享从背景介绍推进到可检查的技术抓手，也解释了为什么它会被放进 Day 2 的主舞台议程。
会议脉络
这场和 Derek Nee 对巨型 agent 的批评很接近。一个拥有所有工具、所有文件、没有责任边界的 agent，并不会自然变成公司操作系统。真正能跑的系统，需要 scoped workers、memory、proof 和 check-in loop。
会议里的其他分享提供了相同方向的部件：Sakana 讲记忆层，Sonar 讲验证纪律，Arena 讲真实轨迹评估，GEPA 讲从失败里优化文本参数。Roland 和 Julian 这场把这些部件放到“真实环境长期运行”的框架下。
这场分享的重点是：现实环境里的 autoresearch 不是放开 agent 乱跑，而是设计可改进的系统。哪些地方允许改，哪些指标证明变好，失败时怎么回退，这些问题比模型单次能力更重要。
来源说明
本文依据官方日程、YouTube 自动英文字幕和视频时间线整理。长直播中存在等待音乐、主持人口播和少量插播内容，正文只保留对应主舞台分享的有效信息。
评论前必须登录！
立即登录 注册