论文

InternAgent-1.5：面向长程自主科学发现的统一Agentic框架

InternAgent-1.5: A Unified Agentic Framework for Long-Horizon Autonomous Scientific Discovery

Shiyang Feng, Runmin Ma, Xiangchao Yan, Yue Fan, Yusong Hu, Songtao Huang, Shuaiyu Zhang, Zongsheng Cao, Tianshuo Peng, Jiakang Yuan, Zijie Guo, Zhijie Zhong, Shangheng Du, Weida Wang, Jinxin Shi, Yuhao Zhou, Xiaohan He, Zhiyin Yu, Fangchen Yu, Qihao Zheng, Jiamin Wu, Mianxin Liu, Chi Zhang, Shaowei Hou, Shuya Li, Yankai Jiang, Wenjie Lou, Lilong Wang, Zifu Wang, Jiong Wang, Wanghan Xu, Yue Deng, Dongrui Liu, Yiheng Wang, Wenlong Zhang, Fenghua Ling, Shufei Zhang, Xiaosong Wang, Shuangjia Zheng, Xun Huang, Siqi Sun, Shuyue Hu, Peng Ye, Chunfeng Song, Bin Wang, Conghui He, Yihao Liu, Xin Li, Qibin Hou, Tao Chen, Xiangyu Yue, Bin Wang, Liang He, Dahua Lin, Bowen Zhou, Bo Zhang, Lei Bai来源日期：2026.02.10

智能体系统Agent 架构与控制循环

摘要

我们提出InternAgent-1.5，一个面向计算与实证领域端到端科学发现的统一系统。该系统建立在由生成、验证与演化三个协同子系统构成的结构化架构之上，并由深度研究、方案优化与长程记忆等基础能力支撑。该架构使InternAgent-1.5能够在漫长的发现周期中持续运行，同时保持连贯且不断改进的行为；也使系统能够在单一统一体系内协调计算建模与实验室实验。我们在GAIA、HLE、GPQA与FrontierScience等科学推理基准上评估InternAgent-1.5，系统取得领先性能，展示了扎实的基础能力。除这些基准外，我们进一步评估了两类发现任务。在算法发现任务中，InternAgent-1.5为若干核心机器学习问题自主设计出有竞争力的方法。在实证发现任务中，它执行完整的计算或湿实验室实验，并在地球、生命、生物与物理领域产出科学发现。总体而言，这些结果表明InternAgent-1.5为自主科学发现提供了一个通用且可扩展的框架。

InternAgent-1.5：面向长程自主科学发现的统一Agentic框架 — 图3：InternAgent-1.5概览，展示其围绕Generation、Verification与Evolution子系统组织起来的统一科学发现流程。该系统依托深度研究、方案精炼与长程记忆等基础能力运行，这些能力共同支撑持续的自主科学发现。