无大纲学习：任务无关的智能体环境预处理 Studying Without a Syllabus: Task-Agnostic Environment Preprocessing

流程分四步。第一步预习：$\pi_{\text{study}}$（Opus 4.8 + Claude Code）在沙箱内清点文件、试探基准工具、追踪不可用资源，合成索引、知识库、脚本、指导手册等文件工件，花费不超过 $B_{\text{study}}$。第二步：每环境独立预习 $N_{\text{study}}=3$ 次得 3 套工件（APEX 的 31 个世界各自独立）。第三步测试：工件挂载进冻结求解器（Claude Code + Haiku 4.5，温度 1.0）沙箱，留出任务上重复 $N_{\text{eval}}=3$ 次，按 $K=3$ 算 $\mathrm{Avg@}K=\frac{1}{N_{\text{study}}K}\sum_s\mathbb{E}_t\sum_j r_{s,t,j}$ 与 $\mathrm{Best@}K=\frac{1}{N_{\text{study}}}\sum_s\mathbb{E}_t\max_j r_{s,t,j}$；NO STUDY 跑 10 次取全部 $\binom{10}{3}=120$ 个子集估计。第四步基线：PREPING 跑 5 轮×10 合成任务（原为 10 轮），检索用 text-embedding-3-small；CORPUS2SKILL 用默认配置（Qwen3-Embedding-8B、摘要用 Sonnet 4.6）。Harvey LAB 改用 rubric 细则通过率计分。

技术新颖性体现在四点。其一，形式化贡献：首次把任务无关预处理定义为“环境条件化的策略选择问题”，给出 $S:\Pi\times\mathcal{E}\to\mathcal{E}$ 的统一抽象和美元预算约束，使 PREPING、CORPUS2SKILL、Machine Studying 等异构方法第一次能放在同一协议下比较。其二，档案即上下文技能库：把竞争性工作流封装成可执行技能供元智能体按环境组合，可解释性分析证明组合确实随环境变化（BCP-G、OfficeQA、DABStep 的每套工件都含开放式学习与 PREPING 产物，AppWorld 全部含 CORPUS2SKILL），这是对“策略选择是否发生”的直接证据。其三，成本建模：分别计量 $C_{\text{study}}$ 与推理成本，首次量化“预习换测试时采样”的摊销效应（一次预习 rollout 可抵 NO STUDY 在 oracle 选择下 2-8 次 rollout）。其四，负结果也有信息量：预算从 1 美元加到 50 美元通常无收益，说明当前模型缺乏预算感知与规划能力。

第一，策略选择不可靠：BCP-G 上有档案的 META-AGENT 明明可以调用 CORPUS2SKILL 却没有用，而后者恰是该基准最强的独立方法（0.471 对元智能体最好成绩 0.286），说明档案可用不等于会选。改进方向：在档案条目中附环境—策略匹配的先验说明或成功示范，或先用轻量环境分类器把候选缩减到一两个再交给元智能体。第二，预算无感知：预算写在提示里，但 1 美元到 50 美元大多只是延长同样策略而非改变策略。改进：给智能体显式的花费记账工具和分阶段规划机制，把预算作为一等约束进入决策。第三，工件可能主动误导：APEX Agents 的案例中，不完整工件把求解器引向通用定价文档、远离两个含必需输入的文件。改进：工件附带来源、置信度与覆盖范围声明，并在合成任务上先行验证工件有效性后再交付。第四，统计强度薄弱：$N_{\text{study}}=3$ 的样本标准差偏大（DABStep ±0.097），应增加预习迭代数并补充任务级 bootstrap 置信区间，再下强弱结论。

作者提出的方向：跨部署积累下游评估反馈，用于更新 META-AGENT 的策略选择策略（通过权重或 harness），把多环境经验变成元学习意义上的专长；扩大工作流档案；用成功的环境—策略匹配示范改进上下文选择。基于本文成果可以延伸的方向：其一，工件质量的前置验证器——在交付前用环境自合成的探针任务检验工件是否真的降低求解器难度，过滤误导性工件；其二，跨求解器迁移研究——用 A 家族模型预习、B 家族模型求解，检验工件的模型无关性，这是作者明说做不到的；其三，工件生命周期管理——过期检测、增量更新与撤销机制，应对环境随时间漂移；其四，把“预习摊销”形式化为计算迁移理论：给定任务量 $n$、预习成本 $C_{\text{study}}$ 和每次 rollout 成本，刻画何时预习严格优于重复测试时采样，为部署者提供解析式的成本决策公式；其五，预算感知训练——用预算条件化的强化学习让预习策略随 $B_{\text{study}}$ 定性改变而非简单延长。

论文给出代码入口 github.com/scaleapi/meta-study2026，六个基准全部公开（BrowseComp-Plus、OfficeQA、Harvey LAB、DABStep、APEX-Agents、AppWorld），协议描述完整：模型分工明确（Opus 4.8 做预习与 PREPING 提议/验证/反思/策展，Haiku 4.5 执行合成与下游任务，Sonnet 4.6 做 CORPUS2SKILL 聚类摘要），嵌入模型保留原作设置（Qwen3-Embedding-8B 与 text-embedding-3-small），统计口径（$N_{\text{study}}=3$、$N_{\text{eval}}=3$、NO STUDY 的 120 子集估计）写清。难点：依赖三个闭源 Claude 模型与 Harbor 沙箱设施；完整复现约等于 36 环境 × 4 方法 × 3 次预习 × 3 次评估，API 花费不菲（预习预算最高每环境 50 美元，APEX 31 个世界成本叠加）；代表提示词在附录 A.3.2 未随正文给出。总体：复现难度中等偏上，协议可信但预算敏感。