ARIS：通过对抗性多智能体协作进行自主研究

本报告介绍了 ARIS（睡眠中自动研究），这是一种用于自主研究的开源研究工具，包括其架构、保证机制和早期部署经验。基于 LLM 构建的代理系统的性能取决于模型权重及其周围的工具，后者控制要存储、检索和呈现给模型的信息。对于长期研究工作流程，中心失败模式不是可见的故障，而是看似合理且不受支持的成功：长期运行的代理可以产生其证据支持不完整、误报或从执行者的框架中悄悄继承的主张。因此，我们将 ARIS 作为一种研究工具，通过跨模型对抗性协作作为默认配置来协调机器学习研究工作流程：执行器模型推动进展，同时建议来自不同模型系列的审阅者批评中间工件并请求修订。 ARIS 具有三个架构层。执行层提供超过 65 种可重用的 Markdown 定义的技能、通过 MCP 的模型集成、用于迭代重用先前发现的持久研究 wiki 以及确定性图形生成。编排层通过可调整的工作量设置和可配置的路由到审阅者模型来协调五个端到端工作流程。保证层包括一个用于检查实验索赔是否得到证据支持的三阶段流程：完整性验证、结果到索赔映射和索赔审计（根据索赔分类账和原始证据交叉检查手稿陈述），以及五遍科学编辑管道、数学证明检查和对渲染的 PDF 进行目视检查。原型自我改进循环记录研究痕迹并提出仅在审阅者批准后才采用的安全措施改进。