通过可学习的编辑和提交来发展想法图，以实现多智能体科学构想

LLM 授权的多智能体系统通过产生新颖的研究想法提供了加速科学发现的新潜力。然而，现有的方法通常通过临时文本（例如草稿或聊天记录）来协调代理；很难查明所产生的想法中的弱点以及代理人如何完善它们。为此，我们引入了 \textbf{Evolving Idea Graphs} (EIG)，这是一种基于图的多智能体科学构思框架，可以跨各种基准原生指标（例如新颖性、可行性和清晰度）生成高性能的研究想法。 EIG 不是仅仅通过文本进行协调，而是将部分形成的提案表示为不断发展的想法图，其中节点捕获科学主张，边缘编码关系（例如支持和冲突），从而使未解决的弱点在整个想法发展过程中保持可识别性。具体来说，学习的双头控制器对不断发展的图进行操作以指导构思：一个头选择要执行的代理的图编辑，而另一个头决定图何时准备好提交作为最终提案综合。在 AI Idea Bench 2025 和 LiveIdeaBench 上，EIG 在自动基准分数和盲法专家评级方面均优于所有比较系统。消融表明，基于图的状态、其类型化关系以及学习的编辑和提交控制都有助于最终提案的质量。