S1-NexusAgent：面向多学科科学研究的自演化Agent框架

现代科学研究依赖大规模数据、复杂工作流与专门化工具，而现有LLM与基于工具的agent由于在长程规划、稳健目标维护以及从执行中持续学习方面的局限，难以应对。为解决这些问题，本工作提出S1-NexusAgent，一个为多学科科学研究设计的自演化agent框架。S1-NexusAgent采用分层的Plan-and-CodeAct执行范式，通过双循环架构将全局科研规划与子任务级工具执行解耦，从而实现对复杂科研工作流的稳定建模。系统原生支持模型上下文协议（Model Context Protocol，MCP），集成多达数千个跨学科科研工具，并通过意图感知的动态工具检索与热插拔机制实现异构科研工具的高效编排。为应对科研场景中的长上下文与大规模数据挑战，S1-NexusAgent引入基于对象引用的稀疏上下文管理，实现子任务上下文隔离与中间结果压缩。在此基础上，Critic Agent自动评估完整的执行轨迹，并将高质量研究路径蒸馏为可复用的Scientific Skills，形成持续自演化的闭环，这对可持续的长程科研很有价值。在涉及长程规划与复杂专门工具编排的权威科学基准上的实验，包括biomini-eval（生物学）、ChemBench（化学）和MatSciBench（材料科学），表明S1-NexusAgent取得了最先进的性能，验证了其在复杂科学任务中的有效性与泛化能力。