AutoTTS让Claude Code自主发现AI缩放算法，计算量减少70%且精度不变
马里兰大学、Google、Meta等机构的研究人员利用AutoTTS框架，让Claude Code作为编码智能体自主发现AI推理控制算法。该算法相比标准自一致性方法减少约70%计算量，同时保持相同精度，整个搜索仅花费40美元和160分钟。
一句话看懂
研究人员用AutoTTS让Claude Code自主发现AI推理缩放算法，计算量减少70%且精度不变，搜索成本仅40美元。
详细发生了什么
来自马里兰大学、Google、Meta等机构的研究人员开发了一个名为AutoTTS的框架，让编码智能体（基于Claude Code）独立发现AI推理的控制算法。传统上，这类算法（如自一致性、多数投票等）需要人类专家手动设计，而AutoTTS允许智能体在搜索空间中自动探索。
结果，智能体发现了一种算法，在保持与标准自一致性方法相同准确率的前提下，将计算量削减了约70%。整个搜索过程仅耗时160分钟，花费40美元。该算法并非人类直觉会设计的方案，展示了AI自主发现高效策略的潜力。
中文圈视角
国内用户能用吗？ 目前AutoTTS是研究项目，未直接开放使用，但其底层依赖Claude Code，国内用户需通过API或代理访问。不过，类似思路可复现到国产模型上，如DeepSeek、Kimi等。
国产平替与对比：国内已有类似自主搜索框架，如智谱的AutoGLM、百度的AutoAgent，但尚未公开针对推理缩放算法的专项研究。AutoTTS的低成本（40美元）和高效性（160分钟）对国内研究机构很有吸引力，可借鉴用于优化国产大模型的推理效率。
中文场景影响：若该算法被集成到国产模型中，可显著降低推理成本，尤其对长文本处理、多轮对话等场景有利。但需注意，算法可能涉及数据出境问题（Claude Code需调用海外API），国内合规使用需本地化部署或使用国产替代。
几条值得记住的细节
- AutoTTS框架让Claude Code作为智能体，在搜索空间中自主发现推理控制算法。
- 发现的算法相比标准自一致性方法减少约70%计算量，同时保持相同准确率。
- 整个搜索成本仅40美元，耗时160分钟，远低于人类专家设计成本。
- 该算法并非人类直觉设计，展示了AI自主创新的潜力。
- 研究团队来自马里兰大学、Google、Meta等机构，论文尚未公开。
一句话总结
AI自主发现高效推理算法，成本极低，未来可能改变模型优化方式，国内用户需关注本地化适配。