Agentic Autoresearch for Cell-Edge Power Control：把研究员的角色交给 agent —— 精读
论文链接：https://arxiv.org/abs/2608.26093 代码仓库：https://github.com/akhan-ericsson/autoresearch-percentile-optimization 发表时间：2026年8月 机构：Ericsson R&D Ottawa（爱立信渥太华研究院）+ University of Toronto ECE（多伦多大学电子与计算机工程系）——企业+高校合作：爱立信负责提出工业问题与协议工程（第一、二作者），多伦多大学提供无线资源管理理论与基准算法（第四作者 Adve 为 percentile 优化原始论文作者之一） 领域标签：cs.LG —— agentic 科学发现 + 无线资源管理
一、论文背景
1.1 学习型无线资源管理：一个「设计层全靠手工」的领域
现代蜂窝网络里，无线电资源管理（Radio Resource Management, RRM） 决定基站如何给用户分配功率、波束与调度。「学习优化」（learning to optimize）路线主张训练神经网络替代迭代求解器做资源分配——推理一次前向传播就出结果，比逐实例跑优化求解器快几个数量级。
但这条路线有个从未被触动的假设：网络的架构、输入特征、输出参数化、损失函数、训练采样律，全部由人类研究员手工设计。这一层设计往往耗时数月，且质量高度依赖设计者的品味——一个糟糕的损失函数能让合理的架构看起来像死路。
1.2 Autoresearch 协议：三个文件的极简科研
Karpathy 在 2026 年提出了 autoresearch 范式：一场科研 campaign 只需要三个文件——不可变的评估器（prepare.py）、唯一可编辑的训练脚本（train.py）、自然语言研究宪章（program.md）。agent 编辑脚本、跑固定预算实验、读一个标量分数、决定 commit 还是 revert，全程无人值守。人类收缩为「研究主任」：定问题、定指标、定协议，之后只审计日志。
用类比来说：这就像给 agent 一间带锁的实验室——实验装置（评估器）上了 SHA-256 的封条不许动，实验记录本（changelog）必须逐条追加，而实验方案（train.py）随便它改。
二、论文定位和关联工作
2.1 研究谱系
| 谱系 | 代表工作 | agent 设计的对象 | 与本文区别 |
|---|---|---|---|
| 自动化科研 | Robot Scientists (2009)、AutoML/NAS | 参数或固定搜索空间中的结构 | 搜索空间由设计者预先固定 |
| LLM 程序搜索 | FunSearch (Nature 2024)、AlphaEvolve (2025) | 符号代码/算法 | 不针对学习型系统 |
| AI Scientist (2024) | 端到端论文生成 | 科研全流程 | 可复现保障弱 |
| 无线 agentic 设计 | AI Telco Engineer (2026)：信道估计器 | 常规代码 | 链路级、非学习系统 |
| ALL-STaR / GENESIS / CoMAgent | MAC 调度器 / RAN 工作流 / 波束成形 | 人类指定管线内的策略 | |
| 手工学习器 | Percentile-based power control (GLOBECOM 2026) | 同一 SLqP 问题的自监督学习器 | 每个网络规模/百分位训练单独模型 |
本文的关键区分：以上工作里 agent 设计的要么是常规代码、要么是人类指定管线内的策略；这里 agent 重新设计的是「学习系统本身」——归纳偏置这一层也交出去了。据作者所知，这是无线领域首个把全部五层设计权交给 agent 的工作，且目标是非凸、非光滑、强 NP-hard 的网络级问题。
三、问题定义
3.1 从具体到抽象
具体问题：多小区下行功率控制。B 个互扰小区、每小区 K 个单天线用户，用户速率 r = log2(1+SINR)。目标是最大化最弱 q 百分位用户速率之和（SLqP，sum-least-percentile-rate）——这是 3GPP 为「小区边缘用户吞吐」设定的下一代目标。该问题在 K_q=1 时退化为多项式可解的 max-min 公平；任何 K_q>1 都是非凸、非光滑、强 NP-hard 的，已知最强解法是迭代二次分数变换（QFT）的 minorization-maximization。
抽象问题：与其对每个网络实例跑迭代求解器，不如学一个摊销映射 p_θ: (H, K_q) → p——一次固定成本的前向推理服务所有 K 和带内百分位。把「发现这个映射的设计」本身交给一个受协议约束的 agent。
| 类比 | 经典机器学习 | 本论文 |
|---|---|---|
| 内循环 | 梯度下降拟合权重 | 2000 步 Adam 训练当前模型 |
| 外循环 | 人类研究员改架构/损失 | agent 逐假设编辑 train.py |
| 论文同行评审 | 预注册 + 拒稿/接收 | ±0.0005 噪声带内 commit/revert |
形式化：给定不可变评估器、单一可编辑文件、研究宪章，agent 在 81 个无人值守周期内最大化 HELDOUTSCORE（17 个 (K, percentile) 配对上模型 SLqP / 全功率 SLqP 的均值；全功率=1.000 为下限，收敛 QFT 参考=1.4850 为上限）。
四、问题解法
4.1 协议加固：让无人值守可信的三道防线
- 哈希钉死评估器：prepare.py 实现七小区环绕六边形网络（COST231 路损 + 瑞利衰落），SHA-256 哈希每次迭代校验——agent 无法「把测试变容易」，这是自我改进系统的典型失败模式。
- 推理契约：整个 17 配对网格的推理必须在 10 秒内完成，杜绝伪装的逐实例优化；违反抛异常而非给低分，因此不可能被存入分数。摊销模型的意义就在延迟——契约把工程目标直接编码进评估。
- 预注册可证伪断言：每个实验前 agent 必须声明一个假设和「什么观察会推翻它」，日志因此成为可解释的发现序列，负结果也含信息。
宪章还规定探索纪律：最多开 6 个架构族、新族有保护期（不会因一次未调优的尝试被丢弃）——这套规则本身是从早期一场「开了 17 个族各做一次实验、全部没调优」的失败 campaign 中学来的。
4.2 agent 发现的冠军解
冠军是一个经典结构与学习的混合体——只有编码器和一个标量头是训练的，其余全是闭式代数：
- 经典脚手架：SINR 平衡不动点迭代（式 3，经典 Foschini-Miljanic/Yates 框架），构造 K_q-clipped 锚点——平衡所有高于阈值的用户、拒绝把网络均衡到被全功率几何「搁浅」的用户。agent 的贡献是摆放位置：实验 27–29 发现经典解作为输入特征优于作为蒸馏目标。
- 学习组件：24 个闭式输入特征（全是 (H, K_q) 的泛函，不含任何对当前分配的评估）+ 置换等变编码器（约 115k 权重：蜂窝介导消息传递 + 增益偏置双向注意力——干扰的「加害方向」与「受害方向」是 H 的不同条目，互不可恢复）。输出头不直接吐功率，而是吐对经典锚点的有界乘性修正、零初始化——训练从经典策略出发、只学偏离。
- cut clamp 与精确性保证：实验 49 引入的钳位使 K_q=1 时输出对任意权重精确等于 max-min 最优（Proposition 2：钳位后 profile 均匀，而不动点迭代对正缩放不变）——整列最低百分位因此结构性不可回退，held-out 相对误差 3.2×10⁻⁷。
- 归一化损失：SLqP 目标除以本批全功率 SLqP（实验 2，agent 诊断出原始目标梯度量级随 K_q 缩放、饿死小 Kq 设置）——全场最大单笔增益（1.3687→1.3906）。
五、评估指标与实验证据
5.1 指标与基准
HELDOUTSCORE：17 个 (K∈{1..10}, 百分位∈{min,p10,p25}) 配对、钉死的 held-out 实现上，模型 SLqP / 全功率 SLqP 的均值。满分基准是收敛 QFT 参考 1.4850——注意这不是「一个方便的对照」，而是该问题已知最强基准：独立的经典路线与手工自监督学习器都未能超越它。
5.2 战役结果
| 里程碑 | 分数 | 增量 |
|---|---|---|
| 全功率下限 | 1.0000 | — |
| 实验 1：等变蜂窝协调 MPNN（首个可用架构，92.2%） | 1.3687 | — |
| 实验 2：比率归一化损失（最大单笔） | 1.3906 | +0.022 |
| 实验 27–29：闭式 K_q=1 教师→输入特征 | 1.4570 | +0.066 |
| 实验 31：SINR-profile 输出重参数化 | 1.4656 | +0.009 |
| 实验 41–42：增益偏置双向注意力 | 1.4725 | +0.007 |
| 实验 49：cut clamp（Prop.2，min 列精确） | 1.4740 | +0.002 |
| 实验 81：输出映射分辨率修复 | 1.4775 | — |
| QFT 参考（收敛、样本匹配） | 1.4850 | 差距 0.5% |
81 个实验 / 26 小时无人值守：从首个可用架构闭合剩余差距的 94%。推理整个网格 2.52 秒 vs 参考求解器 1583 秒（同一台 Apple M2 Pro，约 600×）；单一参数集服务全部 K∈{1..10} 与百分位带（手工学习器需逐设置训练）。
有信息量的负结果：实验 65 直接从 QFT 参考蒸馏，反而降到 1.4634 被回滚——跨 realization 训练胜过模仿逐实例优化器，这是全场最有趣的负发现。加容量失败 4 次、目标软化 3 次、蒸馏 6 次，各以至少两个独立探针关闭。
六、效果优势的根源解释
为什么这场 campaign 是「自主科研」而非「自主调参」？因果链：
- 最大增益来自诊断而非扫描：实验 2 源于识别「梯度量级随 K_q 缩放饿死小 Kq 设置」这一机制；实验 81 源于识别「输出映射分辨率是约束而非下降噪声」。调参不会产生这类洞察。
- 经典结构的恢复是命题级的：固定点 SINR 平衡既作输入特征又作输出映射；clamp 把 max-min 顶点变成权重无关的精确保证。结合姊妹工作（AI Telco Engineer 在 LMMSE 已是最优处的收敛），可提出更尖锐的命题：agentic 搜索恰好在经典解已是最好的地方恢复经典解，在不是的地方产生新结构——收敛于经典形式是对问题的诊断，不是方法的局限。
- 协议设计使分数可信：哈希钉死消除「让测试变容易」；推理契约把「摊销」从口号变成硬约束；样本匹配消除 realization 方差（战役中第 63 号实验的一次审计纠正了违反该纪律的早期结果解读）。三者共同保证 1.4775 这个数字与 QFT 的 1.4850 可比。
- 诚实记录的随机性：同事复跑同宪章得到不同架构、更低分数——单场 campaign 不是唯一最优设计的身份证明，这是作者自己写进论文的话。
七、必要知识反推
- 领域知识层：蜂窝网络下行 SINR 模型与功率控制经典文献（Yates 标准干扰函数、非线性 Perron-Frobenius）；SLqP 问题的复杂度结构（max-min 顶点可解、其余强 NP-hard）；QFT minorization-maximization 参考算法——不知道「最强基准是什么」就无法设计有意义的 HELDOUTSCORE。
- 方法论知识层：Karpathy 三文件协议与 git commit/revert 循环；预注册可证伪断言的科研规范；置换等变神经网络（消息传递 + 注意力）设计空间；自监督学习与蒸馏的取舍知识。
- 工程知识层：SHA-256 哈希校验、推理时限契约、噪声带校准（重复同配置实验定 ±0.0005）等可复现性工程。
知识融合的关键节点：意识到「学习型系统的设计层本身可以被自动化」，并且用无线物理层几十年的经典结构（不动点迭代）作为 agent 的搜索锚点——经典结构不是竞争对手，而是把无限设计空间约束到可探索范围的先验。另一个融合节点是把「科研诚信规范」（预注册、防作弊、诚实负结果）翻译成机器可执行的协议约束。
八、论文中可以提取的通用性灵感
不可变的裁判 + 可变的选手 = 可信的自主优化。证据：SHA-256 钉死评估器消除「让测试变容易」的失效模式。推广：任何自我改进系统（自进化 agent、自动调参、代码自生成）都应把评估器从选手的可修改范围内物理隔离。
把工程目标直接编码为评估契约，而非事后希望。证据：10 秒推理契约使「伪装的逐实例优化」直接失败而非得低分。推广：自动化系统里凡是「真目标」与「优化目标」可能脱节的地方（延迟、成本、安全），都应做成硬约束式契约。
经典先验作为搜索的锚点：从经典策略出发只学偏离。证据：零初始化的有界修正头 + Kq-clipped 锚点，既加速收敛又带来 Prop.2 的精确保证。推广：推荐系统（从热门榜出发学残差）、控制（从 PID 出发学修正）、任何有成熟基线方案的自动化设计任务。
跨分布训练优于模仿最优求解器。证据：从 QFT 蒸馏反而降分并回滚。推广：蒸馏不是万能药——当教师是逐实例优化器而部署需要摊销泛化时，直接优化目标本身可能优于模仿教师的输出。
单次随机搜索的结论要打折，日志比结果可信。证据：同事复跑得到不同架构与更低分数；作者明言「agent 的日志是自报的，使它可信的是版本历史与钉死的评估器，而非文字」。推广：对一切 agentic 科研产出，审查其协议与日志链，而非只看最终 artifact。
这篇论文最激进的主张藏在标题里：「Radically Redefining the Researcher’s Role」——人类的贡献收缩为「陈述问题 + 建造一个诚实的裁判」。当问题有快速模拟器、指标能压缩为标量时，学习型算法的设计就变成无人值守且可审计的过程。作者预期这一模式适用于大多数 RRM 问题；而它对「哪些职业环节会被自动化」的暗示，远超无线领域。