智能体免奖励信号自我改进，4美元追平最高分
SelfSearch仅凭过往自我改进记录提升智能体成功率，4.03美元搜索成本追平公开比较最高分Codex，属作者自测待复现。
重要性局部证据E2 未复现写法快讯
你现在可以让智能体不用奖励信号、只靠过往自我改进的记录来提升成功率：SelfSearch在全部六个模型与基准组合上都实现了提升，用DeepSeek V4 Flash时仅花4.03美元搜索成本就得到解出82.0%任务的harness。
此前改进智能体通常要反复跑下游评测，开销大。SelfSearch让智能体读取此前修改尝试的推理、工具动作和结果，作为改进依据，省去这部分开销。
作者自测数字包括：Terminal-Bench 2.1上单个智能体最高提升11.2个百分点；SWE-bench Multilingual上成功率提高5.0个百分点、执行成本降38.5%。4.03美元得到的harness追平公开九套比较中的最高分Codex。
摘要未说明82.0%这一对比沿用了公开九套harness比较的原有设定，还是作者自建的评测流程；论文由Jungwoo Yang、Injin Kong、Yohan Jo于9月29日提交arXiv，属作者自测，待复现。