Claude 和 Codex 能连续跑几天、打破训练纪录，为什么还不能算发现了新优化器？

导读

编码 Agent 可以连续运行 GPU 实验、刷新明确的训练纪录，但跑得快并不等于发现了新的科学机制。Prime Intellect 的 Elie Bakouch 将 Claude Code 和 Codex 放到受限的优化器竞赛中，让它们修改代码、提交作业、阅读结果并记录下一轮方向。Agent 可以组合论文和社区已有方法，部分成绩超过当时的人类榜单；它们也能读取最新人类方案，因此不能把结果理解为从零独立发现。为了避免把随机运气当突破，公开评测先用单次实验筛选，再用多个固定随机种子验证候选。后续 18 个模型、153 次自主运行仍没有产生根本性的新方法，团队也没有充分理由认为小模型竞赛里的技巧能直接扩展到大模型训练。实验展示了自动研究工程的能力，也留下新意和规模验证的问题。