让 agent 自己搜：每一簇它想验证什么、试了什么、分数怎么走

排行榜：每个搜索者最后提交的结构和它在搜索时得到的分数分数是种子 42 的单次结果，也就是搜索对象本身；小字是同一结构在种子 42–45 上的均值。簇模式和算法基线都是 1,200 次预算，对话模式 64 次

#	搜索者	方式	评测数	提交的分数		提交的结构
1	大搜索	大搜索	18,694	2.5076 4 种子均值 2.5246	参照	`d256 C6 A8 G10 A16 lr0.005 qk1 sparse kvc8 rope20 smear noskip noln cap11.5 par3 ng2x16384x128`
2	Claude Opus	LLM 簇模式	1,200	2.5300 4 种子均值 2.5343	比大搜索 +0.0224	`d384 C8 A10 A12 lr0.0055 qk1.5 output kvc6 rope32 vr smear noskip noln cap15 ng2x16384x128`
3	meta model（GBDT）	算法基线	1,200	2.5315 4 种子均值 2.5488	比大搜索 +0.0239	`d256 G10 A16 G8 A12 lr0.005 qk1 none kvc8 rope24 vr noskip noln cap13 ng2x16384x128`
4	GPT-6.1 Sol	LLM 簇模式	1,200	2.5340 4 种子均值 2.5385	比大搜索 +0.0263	`d256 A12 A12 A12 A12 lr0.0055 qk0.5 sparse kvc8 rope32 vr noskip cap20 ng2x16384x128`
5	MCMC 搜索器	算法基线	1,200	2.5366 4 种子均值 2.5465	比大搜索 +0.0290	`d256 C24 G8 A6 M8 A16 lr0.006 qk0.75 output kvc7 rope64 smear noln cap13 ng2x16384x128`
6	GPT-6 Astra	LLM 簇模式	1,200	2.5391 4 种子均值 2.5586	比大搜索 +0.0315	`d256 A4 A4 A8 A8 A12 A12 lr0.008 qk3 sparse kvc5 rope16 vr cap11 ng2x16384x128`
7	GPT-6.1 Sol	LLM 对话模式	64	2.5426 4 种子均值 2.5440	比大搜索 +0.0350	`d384 C8 A8 A8 lr0.0075 qk1.5 sparse kvc8 rope16 cap30 ng2x16384x128`
8	Claude Opus	LLM 对话模式	64	2.5446 4 种子均值 2.5465	比大搜索 +0.0370	`d384 C8 C8 A8 A8 lr0.01 qk1.5 sparse kvc4 rope16 vr smear cap15 ng2x16384x128`
9	重点空间随机	算法基线	1,200	2.5454 4 种子均值 2.5483	比大搜索 +0.0378	`d256 C12 G12 K32 C12 A6 lr0.006 qk0.75 none kvc7 rope16 noskip noln cap14 ng2x16384x128`
10	GPT-6 Astra	LLM 对话模式	64	2.5491 4 种子均值 2.5610	比大搜索 +0.0415	`d384 A12 A12 A12 lr0.01 qk1.5 sparse kvc4 rope16 noln cap30 ng2x16384x128`
11	Claude Sonnet	LLM 簇模式	1,200	2.5545 4 种子均值 2.5625	比大搜索 +0.0469	`d256 C4 A6 W384/5 W640/5 A5 A4 lr0.0055 qk1 sparse kvc8 rope32 vr smear cap10 ng2x16384x128`
12	Claude Haiku	LLM 簇模式	1,200	2.5554 4 种子均值 2.5607	比大搜索 +0.0477	`d256 W512/6 A4 A6 A5 A4 A6 lr0.005 qk0.75 sparse kvc8 rope16 vr noskip noln cap15 ng2x16384x128`
13	全空间随机	算法基线	1,139	2.5575 4 种子均值 2.5627	比大搜索 +0.0499	`d256 M12 A12 A24 lr0.007 qk1 output kvc2 rope16 xsa1 cap30 ng2x16384x128`
14	Claude Sonnet	LLM 对话模式	54	2.5609 4 种子均值 2.5677	比大搜索 +0.0533	`d384 A8 A8 lr0.005 qk1.5 none kvc4 rope16 noskip noln cap30 ng2x16384x128`
15	Claude Haiku	LLM 对话模式	63	2.5756 4 种子均值 2.5875	比大搜索 +0.0680	`d512 A3 A3 A3 lr0.007 qk1.5 sparse kvc4 rope16 vr smear cap30 ng2x16384x128`
16	GPT-6.1 Terra	LLM 簇模式	1,200	2.5771 4 种子均值 2.5929	比大搜索 +0.0695	`d384 A4 A4 A4 A4 lr0.009 qk1.5 sparse kvc8 rope16 vr noskip noln cap20 ng2x16384x128`
17	GPT-6.1 Terra	LLM 对话模式	64	2.6221 4 种子均值 2.6268	比大搜索 +0.1145	`d384 A2 A2 A2 A2 A2 A2 lr0.01 qk1.5 none kvc4 rope64 noskip noln cap30 ng2x16384x128`

读法：按搜索时的单种子分数，Claude Opus 和 meta model（GBDT）并列最前（差 0.0015，种子标准差约 0.006），GPT-6.1 Sol 和 MCMC 紧随其后；其余模型不如重点空间随机。所有 agent 都比大搜索差 0.02 以上。单种子分数是从上千次里挑出的最小值，换种子会回升；回升多少因搜索者而异（meta model 回升 0.017，Opus 0.004），这一点只有一次运行，可能是运气。

同样 1,200 次评测，谁降得快实线是 LLM 簇模式，虚线是算法基线；单种子，所以末端差 0.005 以内算平手

逐步回放：选一个搜索者，拖动看它每一步想了什么、试了哪个 JSON点上图也能跳；← → 键逐步

它的思路

这一步的设置（JSON）　layers 用“默认 + 覆盖”写法：每个槽一个默认项，带 layers 的项覆盖指定层（从 1 数）

对话模式只有 64 次，前 64 次大家差不多点是单次结果，线是到此最好（单种子）；簇模式取前 64 次比

大搜索的前 64 个里有 32 个直接取自序列长 256 的前列结构，起点用了已有知识；agent 只拿到任务说明和 PG 基线。对话模式每个模型提交的 4 种子都比它自己的簇模式差 0.002–0.034，但预算差了 19 倍，不能直接说“对话越长越笨”。

排行榜：每个搜索者最后提交的结构和它在搜索时得到的分数分数是种子 42 的单次结果，也就是搜索对象本身；小字是同一结构在种子 42–45 上的均值。簇模式和算法基线都是 1,200 次预算，对话模式 64 次

同样 1,200 次评测，谁降得快实线是 LLM 簇模式，虚线是算法基线；单种子，所以末端差 0.005 以内算平手

逐步回放：选一个搜索者，拖动看它每一步想了什么、试了哪个 JSON点上图也能跳；← → 键逐步

它的思路

这一步的设置（JSON） layers 用“默认 + 覆盖”写法：每个槽一个默认项，带 layers 的项覆盖指定层（从 1 数）

对话模式只有 64 次，前 64 次大家差不多点是单次结果，线是到此最好（单种子）；簇模式取前 64 次比

这一步的设置（JSON）　layers 用“默认 + 覆盖”写法：每个槽一个默认项，带 layers 的项覆盖指定层（从 1 数）