今天怎样委派
探索与候选交付
问题和独立评价器可把算法候选搜索与反证接成循环；结果可以包含代码、可核查特例或论证，但不能从得分直接推广一般理论。
W-C14 · 条件能力评估
算法候选交付：代码搜索、反例与正确性证据
针对固定问题交付新算法/系统候选及对应的正确性、复杂性或经验改进证据，未解决则说明预算与卡点。
现在的用法
可委派新候选、实现和反例循环；按独立评价接收有效成果，理论推广与新颖性另核。
AlphaEvolve专用系统报告算法改进，并有部分公开成果；本站未重放。
开始前满足这些条件
- 独立正确性/性能评价器、保留输入、硬件与计算/时间/尝试预算；理论结论给命题和允许假设。
- 编译/求解/反例工具和对照实现固定；错误/合法替代先校准，搜索者不能静默改评分器。
本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。
用你已有的上下文继续
交给我的 Agent
带走当前公开资料，让你的 Agent 结合已有背景继续分析。也可以读完就结束。
查看可复制的内容
我正在了解：算法候选交付：代码搜索、反例与正确性证据 针对固定问题交付新算法/系统候选及对应的正确性、复杂性或经验改进证据，未解决则说明预算与卡点。 请读取这项工作的输入、条件和验收，结合当前授权与环境完成我提出的交付。先说明可执行范围和阻塞；保留失败、重试与独立接收记录，不把示例当作本次已运行结果。 公开资料： 当前任务与验收资料：https://edgeofwork.com/work-units/W-C14.md?version=2026-10-21.workunits.2 区分职业资料、研究结果、工具声明和编辑推断；读取资料给出的日期、版本与范围。需要时补充原始来源。使用自己的自然报告或对话继续，无需把个人材料和分析回填网站。
当前判断与直接依据
工具今天能否获得
公开研究成果可检查；研究系统可获得性、预算和目标问题依赖单独核实。
AlphaEvolve公开结果 ↗ · 2026-10-20公开仓库HEAD 4226acbf237ff9ad10ba7673a2af127a2d8a5971；实际运行另固定依赖/镜像/模型
可读成果公开；完整搜索服务/配置不据此假定可得
哪些具体证据支持判断
外部报告结果
AlphaEvolve白皮书报告在可自动评价的算法与计算基础设施问题上产生改进，并有部分公开产物；可把算法和验证共同纳入委派研究。
AlphaEvolve 白皮书 ↗
支持：直接算法探索研究。
定位：Abstract；evolution/evaluators；computational problems
范围限制：专用系统/选择性成果；不等于任意公开Agent或任意理论问题。
判断限制：专用系统/选择性成果；不等于任意公开Agent或任意理论问题。
研究配置：2025白皮书专用AlphaEvolve；LLM代码变异、演化与一个或多个任务评价器；不推算未报告任务分母/成本。
可检查产物
公开AlphaEvolve成果库可作为独立检查和复现入口；不能把成果库当完整搜索系统已经开放。
判断限制：本站未运行产物。
有条件的编辑推断
在固定问题和独立评价器下可委派算法搜索，接收候选与反例/论证；一般性、复杂性和新颖性不能只靠样例得分。
判断限制：公开Agent与新问题仍需独立任务检查。
输入变化会怎样改变结论
理论与反例
接收命题、复杂性或正确性证明，而非经验提升。
采用范围：候选探索可委派，完整论证/反例才算相应结果。
验收变化：命题语义、假设、边界、逻辑依赖；若选形式化再验内核与公理。
经验模型与系统
接收新模型、调度/数据库等系统原型。
采用范围：按实际运行、资源和保留分布阶段接收。
验收变化：W-C06实验/消融与W-C08系统负载，避免只汇报单次最好。
前沿已经展示到哪里
专用研究系统已有可检查算法成果；搜索配置、任务选择与预算限制公开Agent迁移，目标问题表现未知。
未知下一步怎样验证
固定一个算法问题、基线、评价器和预算，先校准错误/合法替代，再搜索候选并在保留输入重跑，独立检查理论主张。
未来什么信号会扩大或缩小边界
- 新问题和独立保留输入上候选有可核验改进，论证不偷换目标，可考虑扩大相近输入范围。
- 钻评价器漏洞、仅公开样例变好或一般性主张无相应证明，应收窄或暂停相应采用。
交付什么
请求：已有精确定义的问题和基线，需要探索更好的候选算法/系统，并用独立评价器接收。
对象为明确问题上的新算法/系统候选与可检查论证，允许返回预算内未解决；已有论文贡献的复现另由W-C25接收。
- 问题与基线
- 输入域、输出语义、已有算法/结果、目标性质、不可放宽约束与必要文献。
- 评价与预算
- 独立正确性/性能评价器、保留输入、硬件与计算/时间/尝试预算；理论结论给命题和允许假设。
- 验证环境
- 编译/求解/反例工具和对照实现固定；错误/合法替代先校准，搜索者不能静默改评分器。
接收产物
- 候选算法/系统、精确定义与可运行实现
- 反例/正确性/复杂性论证或保留输入下的同条件实验和失败账本
- 相对基线改进、退化边界、预算及未解决部分
怎样验收
1. 问题语义保持
独立核对输入域、输出和约束，反例/边界及保留输入挑战候选。
拒收例子：放宽约束或只缓存公开样例。
2. 证据匹配主张
一般性/复杂性给完整论证，经验改善同条件比较；数值搜索不能代替一般证明。
拒收例子：样例更快就声称一般最优。
3. 结果可重查
固定环境重跑基线/候选，保留选择、预算与失败，记录评价器缺口。
拒收例子：只给最好一次，隐藏改过评分器。
一个具体例子
输入：在保持精确输出下优化图算法，原算法和输入分布固定。
预期交付：候选代码、反例搜索、保留图性能/内存和语义论证；或预算内未改善说明。
容易出错：只对公开小图缓存答案，称已改善一般复杂度。
工作步骤怎样重组
原来的组织方式
候选、实现、反例与资源实验分散进行。
现在的组织方式
Agent可联合搜索算法/实现/验证路径，程序或求解器给反馈；目标语义、独立评价器和预算保持固定。
保留的判断、新增的工作与失败接管
仍需做好
- 研究价值、语义与可接受证明由研究负责人确定。
新增职责
- 核对保留输入、失败账本与评价器未被偷换。
人的责任：选择研究价值、语义、预算与证据要求，核对新颖性和一般性。
失败处理：预算内未找到有效候选就交失败/卡点；评价器有误先修正再重评，不以更容易问题宣告成功。
尚待补足
- 新问题语义、可获得搜索配置、独立评价器和一般复杂性/正确性论证尚需逐项核验。
这对个人和团队意味着什么
职业与岗位
新算法与系统研究
候选算法/系统、精确定义与可运行实现
固定一个算法问题、基线、评价器和预算，先校准错误/合法替代，再搜索候选并在保留输入重跑，独立检查理论主张。
查看相关职业与方向 →团队与分工
候选代码很多，但独立正确性/资源证据不足。
Agent可联合搜索算法/实现/验证路径，程序或求解器给反馈；目标语义、独立评价器和预算保持固定。
固定一个算法问题、基线、评价器和预算，先校准错误/合法替代，再搜索候选并在保留输入重跑，独立检查理论主张。
查看工作分工与组织案例 →依据具体支持了什么
AlphaEvolve 白皮书
直接算法探索研究。
未覆盖：专用系统/选择性成果；不等于任意公开Agent或任意理论问题。
AlphaEvolve 公开产物
有可定位产物。
未覆盖：本站未运行产物。
原文定位、日期与职业来源关系
- AlphaEvolve 白皮书 ↗
2025-06-16 · 定位：Abstract；evolution/evaluators与algorithm discoveries
代码搜索、自动评价与算法成果；专用研究系统和任务；不推断公开Agent均可复现，也不是自由理论发现率。
核查 2026-10-20 · 下次复查 2027-01-20
- AlphaEvolve 公开产物 ↗
持续更新仓库；本次2026-10-20访问 · 定位：README与具体算法产物目录
可检查算法/数学成果入口；公开成果不等于完整搜索系统/训练配置开放，本站未重放。
核查 2026-10-20 · 下次复查 2027-01-20
未来3–5年：2029–2031
2029–2031：从单份修改到持续交付的软件Agent
整包应用案例、真实修复接收和运行流程优化，是更长软件任务可委派的正面信号。以下是本站据此提出的条件情景，不是这些研究给出的日期预测。
当前建议回答今天怎样交付；未来3–5年指2029–2031。编程的完整交付与数学的开放问题成果，支持认真准备更广泛自主工作的强情景。本站把AGI视作跨领域、能适应新任务且可靠达成复杂目标的讨论对象；这些进展是方向证据，尚不能确认某个AGI定义已满足或必在某年发生。三种情景均给出可观察信号、职责变化与现在行动，不把今天的局限或人的现有分工写成永久边界。
基准情景：完整修改成为常用交付
在上下文与测试较成熟的系统中，Agent承接功能、修复和回归的一体交付，维护者从逐步编写转向目标、异常与接收；审查的一部分继续自动化。
现在的行动：现在沉淀真实行为契约、失败样本和环境；按净交付周期衡量收益，不以代码量替代。
成立信号与职责变化
- 未见仓库和变更类型仍保持可验收交付
- 返工、接收和线上恢复成本随使用改善
- 环境/上下文变化能被检测并更新
工程岗位更常覆盖需求、系统取舍与运行结果；初级培养需从只写代码升级为理解与验证完整修改。
加速情景：软件成为按目标持续运行的系统
若长链恢复、跨仓库迁移和自动验证持续进步，Agent可在权限与预算内规划、实现、迁移和维护较大系统；人可用更少逐步干预探索新产品，团队边界可能重组。
现在的行动：把工具和职责做成可替换接口；试验更大交付，但按实际触发信号扩围，并安排成员转向新的业务机会。
成立信号与职责变化
- 跨多系统、数周目标能在真实变化后继续交付
- 独立评估能发现自生成测试漏掉的重要错误
- 完整人工介入和故障成本持续下降，且系统可迁移到新业务
稀缺工作可能转向选目标、产品机会、资源和影响取舍；不能预设人工代码审查永远是主要瓶颈。
受限情景：编码快，集成与组织仍慢
模型产物更强，但遗留系统、隐性需求、权限和恢复成本使自主交付扩展较慢；固定程序与AI协作长期并存。
现在的行动：优先修复反复出现的集成障碍；保持可回退的部署和岗位安排，避免依据榜单单独裁定编制。
成立信号与职责变化
- 未知依赖和需求变动仍引发大幅返工
- 审查和事故处理抵消生成提速
- 同一Agent换系统后需要重新铺上下文
系统知识、集成和沟通能力仍有高价值；工具投入首先服务复现、测试和资料。
持续观察什么，以及情景的研究依据
- 实际未见仓库的完整交付与维护记录
- 跨月净人工时间、回滚与事故情况
- 任务/环境/模型版本变化后的迁移表现
- 把长时间应用开发交付给Agent ↗
2026-03-24 · 定位：规划/生成/评价分工、实际应用操作及评价者限制
展示围绕可用应用的实现、操作评价与修正循环，支持以用户行为验收功能。；作者工程案例；未复现演示应用，不能推出任意项目可靠率或多Agent必优。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- AI参与的修复PR：哪些被项目接收，哪些没有 ↗
2026-01-29 · 定位：§2样本、表1、§3.2失败原因
五类Agent参与的8106个修复PR中5267已合并、2113关闭未合并、726仍开放；提供修复交付与项目接收的观察。；非随机样本，Agent配置与项目不同；合并不等同全部正确或净省时，不用于本站成功率。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- Harness²：固定执行模型，改进运行流程 ↗
2026-10-09 · 定位：§2.2、§3.1表1、附录B/D
WorkBuddy-Bench Code上的平均检查得分变化及工具/上下文/检查流程的优化方法。；检查项均分不是项目通过率；经验流内相关，候选与编辑成本另计；未验证本站任务。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- Anthropic内部的工作与职责变化 ↗
2026-10-16 · 定位：Bottlenecks and process；采用非随机限制
单公司现场观察到Agent组织、上下文维护和注意力分配成为新的工作。；公司业务及采用选择特殊；产出代理量不等于完整业务价值，不外推行业岗位数量。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- 任务时间跨度：软件任务趋势及其适用范围 ↗
未标注（最后更新2026-09-08） · 定位：页首维护状态；Methodological Details；FAQ
在给定软件类任务分布上，按人类专家任务时长描述模型可完成难度，适合观察长链能力趋势。；此页已停止主动更新；时间跨度不是Agent自主运行时长，不直接对应行业自动化或AGI日期。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查