原文標題：Salesforce Releases R&D Agents That Improve Its AI Models
Salesforce於11月11日介紹SFR-AutoR&D，一組能在指定目標、程式系統與運算預算內自主研究的智慧體。它們提出假設、修改方法並執行對照實驗，只有證據顯示比基準改善時才保留變更。公司表示，系統已用於改善自家嵌入模型，也曾在pandas、hnswlib與USearch等公開程式庫尋找效能提升。
框架包含搜尋程式與系統改善的AutoR&D-Engineer，以及探索訓練方法的TrainForge，兩者由AutoInfra調度共用GPU實驗。研究者設定目標、評估與資料限制，保留資料集不參與訓練。官方列出的模型改善循環約耗時80小時，並在十項MTEB公開檢索任務上，使前十筆排序相關性指標nDCG@10提高6.13分。這是特定評估分數的差異，不是全部企業搜尋準確率增加相同比例。
後續另一輪約九小時的執行著重效率，官方表示吞吐量增加36%、延遲下降17%，品質幾乎不變。系統也以EmbeddingGemma 2為基礎產生SFR-Embedding v4。Salesforce強調，產品訓練資料要先經倫理與法律審查，模型也需通過正式環境要求；研究成果不能直接當作所有客戶已收到相同版本。公告未提供統一商用開放時程、完整成本或跨任務重現結果，數據應以公司公布的實驗條件理解。
發生了什麼事
Salesforce介紹自主研發智慧體如何提出方法、訓練模型並以對照實驗決定是否保留改善，並公布嵌入模型在指定檢索與效率測試上的成果。
為什麼重要
智慧體開始參與模型研發本身，可能改變研究迭代的速度與人力分工；不過人類仍設定預算、資料與評估界線，結果也需通過產品要求才能交付。
影響哪些人
維護企業檢索、嵌入模型與模型訓練流程的團隊，可關注這種自動研究方法；一般客戶則應確認實際服務版本，不能直接把研究數字套用到自身資料。
已確認與未確認
已確認官方框架組成與實驗數字；6.13是特定指標的分數增加，36%與17%來自另一輪效率調整，完整部署時程與跨資料集效益未在本篇公布。
