改装日志——Yang, Kong Jo《SelfSearch: Reward-Free Search for Self-Improving Agents》

装修队的故事讲到今天，该说说老师傅了。前两篇里，老师傅一直在场。第一篇管调度：每天站会十分钟，把"下一步"这个决定从满屋子的呼喊里收拢回来，工人不必追着问，工头不必满屋子跑。第二篇管纪律：图纸不再钉在墙上供参考，而是变成派工单，拆哪面墙、砌什么标号的水泥，全在单子上，工人没有临场改单的权限。你仔细咂摸就会发现，这两重门背后站的都是同一个人——那个嗓门沙哑、经验老到的老师傅。他管着事，所以事能管住。可是人总会退休的。老师傅退休那天，把工人们叫到毛坯房里，说了句掏心窝的话：往后没人给你们开班前会了，也没人在图纸上签字画押了。活儿还得干，而且得越干越好。你们自己想办法吧。这几乎是个哲学问题了：没有考官、没有评分、没有人在背后打分的时候，一个人——或者一个 AI agent——还能不能自己把自己打磨得更好？别急着答。先想想人类自己的答案。学一门手艺，前十年靠师傅骂；十年后，骂声停了，能靠什么继续长？靠的还是那两样东西：动手，和记下动手的每一回。武术家讲"拳打千遍，其义自见"，医生讲"大医精于复盘"，改装圈的老炮儿抽屉里永远有一本翻烂了的改装笔记。分数和骂声是外部的鞭子，鞭子一撤就停；只有自己一笔一笔记下的东西，是长在自己身上的。这篇论文给了一个让人愣住的答案。它叫 SelfSearch，出自 Jungwoo Yang、In Jin Kong 和 Yohan Jo 三位研究者，二〇二六年九月二十九日挂上 arXiv。论文里有个数字我先放在这：4.03 美元