让编码Agent不断改进自己，像让作者反复修稿：改一版不难，难的是每一版都要重新考试。MIT与Sakana AI提出SIFT（Self-Improvement via Fast Tree-search，自我改进快速树搜索），瞄准的正是这笔越滚越大的评测账单。
据Crypto Briefing报道，SIFT不再让所有候选改动都跑完整测试，而是先请LLM裁判——让大语言模型两两比较方案——筛出更有希望的版本，再用树搜索集中探索这些分支。以o3-mini编码Agent为例，SIFT在Polyglot基准测试中经过30次扩展达到35.1%，而此前的Darwin Gödel Machine经过80个节点达到30.7%。采用Qwen3-Coder-30B的配置完成整轮搜索用了224个CPU小时，API费用约34美元，资源消耗约为后者的十分之一。
这让自我改进实验有望从“反复全量考试”变成“先初筛、再重点复核”。但便宜筛选依赖LLM裁判，其偏差与稳定性也会传导到最终排名；现有数字来自论文相关报道，仍需更多独立验证。