让两个 AI 轮班干活，比一个 AI 熬夜强在哪？
让两个 AI 轮班干活，比一个 AI 熬夜强在哪？
一句话版本：单个智能体干长任务会「越干越懒」——推理强度随时间衰减、进度放缓；自定义框架的收益又会随模型升级蒸发。解法反直觉：两个智能体在共享工作区上轮班交接，每个会话限定实验次数、切换时清空上下文——75 个 Kaggle 任务上拿到 78.2% 夺牌率，超最强开源基线 8 个点，时间预算只要四分之一。
一句话版本（先给结论）
清华+英伟达团队的 Humanize MLE Agents（HMA）：把长程机器学习工程任务建模为「上下文重置半马尔可夫决策过程」，让两个智能体在共享工作区轮班——每个会话最多做 k 次实验、会话间硬重置上下文，不用任何任务定制框架或先验知识注入。MLE-bench 75 个 Kaggle 任务上 any-medal 78.2%（超最强开源基线 8.0 分），时间预算只有对方 1/4；五对异质组合平均再提 6.4 分——轮班制跨模型通用。
一、两个被数据锤实的「单干天花板」
团队先做了诊断（这比方案本身更值钱）：
1. 长程减速（long-horizon deceleration）：横跨六个模型实测，随着任务推进、增益变难，「每轮输出的 token 数」（推理强度的代理指标）持续下滑——智能体不是越战越勇，是越干越「懒得想」。上下文越长，历史包袱越重，推理质量被稀释。
2. 框架过时（harness staleness）：业界主流解法是给智能体配定制框架——注入 Markdown 指令、技能包、累积经验。但对一个模型有效的指导，对下一代模型未必有效：厂商官方都在建议升级模型时重写指令、删掉新模型已能自己完成的检查。框架收益会随模型升级蒸发——你在为昨天的模型做优化。
这两个发现指向同一个结论：别在单会话内修修补补，改变工作组织方式本身。
二、轮班制：三个反直觉的设计
HMA 的做法朴素得近乎复古：
两个智能体共享一个工作区：文件、实验记录、当前最优解都在同一块地上；
每个会话限 k 次实验：到量就停，绝不恋战；
会话切换时清空上下文：下一个「班次」的智能体不带上一班的记忆包袱，只读工作区交接。
理论侧（CR-SMDP 建模）给出两个硬结论：轮班超过单干参考极限的充分条件；以及实验预算上界——什么时候轮班优势会被会话数上限吃掉。
三、结果：省时、更强、跨模型通用
78.2% any-medal（MLE-bench 75 任务），超最强开源基线 8.0 分，时间预算仅 1/4；
跨组合泛化：五对异质智能体组合平均再提 6.4 分——不是某两个模型的化学反应，是轮班制本身的收益；
超出 MLE 领域：内核优化案例跑到 878 轮，距社区榜首只差 1.6%。
为什么轮班赢？两个机制：上下文重置消灭长程减速（每个班次都是满状态开局）；交接结构消灭框架过时（工作区里的产物是客观资产，不是为旧模型写的注释——模型换了，资产照用）。
四、对智能体产品的三条启示
1. 长任务的敌人不是能力，是「记忆的重量」。 每轮决策的有效推理深度随上下文膨胀而稀释——与其给模型塞更长的历史，不如结构化交接：工作区即记忆，会话即工序。
2. 别为「当前模型」深度定制流程。 框架过时效应意味着：你越贴合今天的模型，明天迁移成本越高。把经验沉淀在模型无关的产物层（文件、实验记录、可复现脚本），而不是提示词层。
3. 「轮班」是最便宜的多智能体架构。 不需要复杂协作协议、不需要角色设计——两个同构智能体+一条交接纪律，就吃到了多智能体的大头收益。中小团队的多智能体方案，从这里起步比从编排框架起步快。
结语
多智能体的叙事总在讲「分工」与「协作」，这篇论文证明了另一种价值：隔离。轮班制的本质是给每个智能体一张干净的开局桌——上一个班次的战果都在，包袱一个不背。做长程任务产品的团队，这个设计值得直接抄。
论文：Humanize MLE Agents: Multi-Agent Session Alternation Beyond Single-Agent Limits（arXiv 2610.13494）
BuddyMe 每日免费 4500 万 Token。