何必重复解题？面向高效迁移的机器学习工程技能分层积累

针对机器学习智能体在每次竞赛中因冷启动而浪费算力重发现已知技术的问题，本文提出 HASTE，一种分层多智能体系统。该系统将跨竞赛知识组织为全局、领域和竞赛特定三个层级，并匹配相应智能体。通过协调器促进层级间学习，实验表明分层加载技能在保持相同技能库下，奖牌率从扁平加载的 62.5% 提升至 100%，且显著减少迭代次数与令牌消耗，证明优化的知识组织可部分替代模型强度与算力预算。