**无状态语言智能体：通过架构优化实现长周期自动化研究的高效扩展**

_Stateless Language Agents: Scaling Long-Horizon Automated Research_

> 针对长周期自动化研究中智能体因历史累积导致的效率低下问题，论文提出无状态语言智能体（SLA）框架。该框架将研究状态从智能体对话中剥离，由外部框架管理并动态构建上下文，通过无状态顾问分配任务给并行工作者。在高达10亿token的预算下，SLA在软件工程等任务中取得最佳结果，且比最强基线节省84%以上的token，证明了短周期评估可能误判研究系统性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.07625)