核心问题：kernel 优化停滞时，为什么改变负责搜索的团队，可能比继续修改程序更有效？
论文卡片
- 原题： Evolving Agent Teams
- 作者： Shiyi Cao、Ziming Mao、Dacheng Li、Joseph E. Gonzalez、Ion Stoica；加州大学伯克利分校。
- 日期与版本： 2026-10-27 提交，arXiv v1；17 页；cs.AI；系统与实证研究预印本。
- 定位： 长时间 GPU kernel 搜索中的 Agent 组织、经验保存与动态分工。
- 阅读入口： arXiv · HTML 全文（v1） · PDF（v1） · alphaXiv
简短导读：把搜索组织也当作变量
论文的监督 Agent 根据进展与失败记录，改变工作 Agent 的角色、协作方式和知识管理。代码、经验文档与重组历史保留在共享文件系统中。所谓“演化”不是代码种群的交叉繁殖，而是持续调整谁研究、谁调试、谁整合信息，以及他们如何交换证据。
MLA 案例中，一个关于 WGMMA 的建议曾留在旧报告里，后续团队没有吸收。监督者引入知识整合角色，把零散发现重新连接。作者据此提出：一些停滞来自搜索过程的组织缺陷，而非缺少继续微调代码的能力。
证据与限制
表 2 提供了较清晰的受控比较：同为 Claude Opus 4.6、相同 800 美元模型推理预算，在 H100 的 47 个 MLA 工作负载上重新测量，各候选均通过这 47 项正确性测试。
| 系统 | 第一次运行 | 第二次运行 |
|---|---|---|
| CUDAForge | 0.448× | 0.283× |
| K-Search | 0.602× | 0.598× |
| Evolving Agent Teams | 0.721× | 0.685× |
指标是相对生产 FlashInfer 的跨工作负载几何平均加速比。这里所有值都低于 1：超过其他搜索系统，不等于超过专家实现。 预算按模型调用计价，也不是 GPU 时间等全部成本。
额外预算下，论文报告 MLA 达到约 1.21×，但这属于另一种预算条件。图 1 还区分生产基线与仅计 run()、排除 plan() 开销的基线；对后者最终约为 0.96×。这些数字不能无条件互换。
固定团队的证据尤其需要谨慎：§4.5/图 6 写 0.31×，引言却写 0.55×；§4.1 将固定团队列为 Opus 4.7、主体方法列为 Opus 4.6，§4.5 又称两者同模型。因此，本导读不采用“这项消融已单独隔离团队演化贡献”的强结论。主比较只有两次运行，固定团队消融只有一次，也限制了稳定性与因果判断。以上据原文 §3–5、表 2、图 1；未独立复现实验。
重点阅读章节
- §3.2–3.3： 分清可改变的团队配置与跨团队保留的经验，观察重组对应什么具体失败。
- §4.1、§4.6 与表 2： 核对模型、预算、性能分母和重复运行次数。
- §4.5、附录 B： 将作者的因果解释与固定角色团队的失败轨迹对照阅读，同时注意上述报告不一致。
思想启发：信息存在，不等于信息参与了推理
以下是导读者的理解。
共享文件系统解决的是“信息能否被找到”，并不自动解决“谁有责任把两条事实放在一起”。假如一个 Agent 知道硬件要求，另一个知道代码实际采用的布局，双方都可以在自己的局部问题上答对，却仍然漏掉二者之间的矛盾。分工不仅分配劳动，也分配注意力。
这使“增加专家”成为一个有条件的主张。更多角色可以减少各自的上下文负担，也会制造新的边界；如果真正的错误横跨边界，专业化反而可能延长停滞。重组的价值可能不在新增了多少知识，而在让既有知识终于同时进入一次判断。
还有一层不能由最终加速比直接解决的问题：性能平台期并不自动证明已经到达算法的局部最优。它可能意味着搜索者反复选择容易调试的路线，也可能意味着测量噪声、工具限制，或缺少关键硬件事实。监督者给出的诊断本身仍是一个假设。随后出现改进使这个解释更可信，却不唯一确定它就是原因。
三个开放性思考问题
1. 什么证据能区分“程序设计空间已经耗尽”和“当前团队不会继续搜索”？
参考思路
一段平坦曲线可以由两者共同产生。新组织找到更好程序，能反驳此前已经达到全局极限的判断，却未必说明旧组织原则上找不到它；随机探索和额外预算也可能产生突破。需要区分观察到的停滞、关于搜索能力的解释，以及关于性能上限的证明。
2. 知识整合角色产生收益，说明需要更多 Agent，还是说明原有分工切错了边界？
参考思路
两种解释都可能成立。整合者可以为合理的专业化提供必要连接，也可能只是在修补过度分工制造的信息损失。如果一个单 Agent 同时看到相关规格与代码就能发现矛盾，那么新增角色的收益不能直接外推成“角色越多越好”。关键是哪些事实必须一起被判断。
3. 重组之后性能提高，为什么仍不足以证明“动态角色”就是有效成分？
参考思路
重组往往同时带来新的提示、上下文、行为约束和搜索方向。真正起作用的可能是强制 profiling、重新阅读旧证据，或允许某条暂时变慢的路线继续探索。动态角色可以是承载这些变化的方式，但系统级有效与机制级归因仍是不同强度的结论。文中案例可以解释可能的机制，有限对照尚不能穷尽其他解释。