给编程智能体提供一个文本语料库以探索新技术

作者让 Claude Code 在每次尝试任务前检索约200万篇论文。它找到了一些原本不掌握的技术，表现优于用来对照的智能体。

具体怎么做

作者在同一个任务上运行了两个相同的 Claude Code 智能体：优化一个小型语言模型。其中一个仅使用内置知识；另一个则连接了 Paper Lantern 这种 MCP 搜索工具，该工具可浏览超过20万篇开源计算机科学论文。每次尝试前都会检索文献，扫描520篇论文，找到25个想法，并在人类可读的指导下应用这些想法。

做到了什么

该基于论文的智能体使模型性能提升了4.05%，而基线模型仅提升了3.67%。作者表示，在25个建议的基于论文的方案中，约有15个有效。他们还提到，在2小时运行时间内，更好的配置表现优于基准方案12分钟以上，不过评论者对这一结果的稳定性和普遍性表示质疑。

上手要点

主要问题在于开销较大：系统会阅读完整论文并增加研究成本，而该作者声称此工具适用于研究活跃的领域。