Baseline

Baseline（基线）在 AI 领域指作为参照标准的最简模型或方法，新提出的模型、框架或优化手段都要与它对比，以证明性能提升是否真实有效。它是论文评审和工程决策中最基础也最容易被忽视的一环——基线选得太弱，结论就站不住脚。近期多项研究和工程实践都在围绕“什么样的基线才算强基线”展开讨论。

Baseline 的近期进展

Low-Cost Video–Time Priors as a Strong Baseline for EEG–fNIRS Emotion Regression on Familiar Videos：这项研究直接把“基线不够强”作为研究主题，证明低成本的视频-时间先验就能在 EEG-fNIRS 情绪回归任务上取得很强表现，提示该领域此前的复杂模型可能高估了自己的贡献。

SoL-Pi：让 AI 自动研究怎么给 AI 省钱，结果省了一半 token：Nvidia 团队针对 coding agent 无人值守运行的成本问题，让系统自动搜索优化方案，最终将单任务 token 消耗降低约一半。这类工作通常会先建立一个未优化 agent 的基线成本，再衡量优化幅度。

Cursor 团队的 Agent Harness Token 降本方法：Cursor 团队把 agent 降本当系统工程来做，方法论的核心同样是从基线 profiling 出发，逐项量化每个环节的 token 开销再针对性优化。

KnowGPO：基于知识分组优化的搜索智能体强化学习框架：典型的框架类论文，其价值主张需要通过与既有搜索智能体方法的基线对比来验证，这也延续了 RL 训练方法论文中“是否公平对待基线”的长期争议。

围绕 baseline 的核心争议在于：很多论文倾向于使用弱基线或调参不充分的基线，使新方法显得进步显著。上述 EEG-fNIRS 工作正是对这种倾向的回应——一个低成本方案就能逼近甚至超过复杂系统，说明社区开始更认真地审视对比实验的公平性。

另一个观察点是工程侧的基线意识正在增强。从 Cursor 的降本方法论到 Nvidia 的 SoL-Pi，工业界把“先建立可测量基线、再做优化”当作标准流程，而不是直接上复杂方案。对于关注 AI 研究与落地的人来说，判断一项新技术的真实价值，最直接的办法就是看它和什么样的基线比、基线调得是否充分。