沙丘社区
论文

AutoResearchClaw：人机协作的自增强自主研究

AutoResearchClaw: Self-Reinforcing Autonomous Research with Human-AI Collaboration

Jiaqi Liu, Shi Qiu, Mairui Li, Bingzhou Li, Haonian Ji, Siwei Han, Xinyu Ye, Peng Xia, Zihan Dong, Congyu Zhang, Letian Zhang, Guiming Chen, Haoqin Tu, Xinyu Yang, Lu Feng, Xujiang Zhao, Haifeng Chen, Jiawei Zhou, Xiao Wang, Weitong Zhang, Hongtu Zhu, Yun Li, Jieru Mei, Hongliang Fei, Jiaheng Zhang, Linjie Li, Linjun Zhang, Yuyin Zhou, Sheng Wang, Caiming Xiong, James Zou, Zeyu Zheng, Cihang Xie, Mingyu Ding, Huaxiu Yao
智能体系统Agent 架构与控制循环

摘要

自动化科学发现需要的远不止从想法生成论文。真实研究是迭代的：假设被从多个视角挑战，实验失败并为下一次尝试提供信息，经验在循环之间不断累积。现有自主研究系统常把这一过程建模为线性流水线：它们依赖单智能体推理，在执行失败时停止，且不在多次运行之间传承经验。我们提出AutoResearchClaw，一个建立在五种机制之上的多智能体自主研究流水线：用于假设生成与结果分析的结构化多智能体辩论；带Pivot/Refine决策循环、能把失败转化为信息的自愈执行器；防止捏造数字与幻觉引用的可验证结果报告；覆盖从完全自主到逐步监督共七种干预模式的人机协作；以及把过往错误转化为未来保障的跨运行演化。在包含25个主题的实验阶段基准ARC-Bench上，AutoResearchClaw比AI Scientist v2高出54.7%。跨七种干预模式的人机协作消融显示，在高杠杆决策点进行精准、有针对性的协作，始终优于完全自主与事无巨细的逐步监督。我们将AutoResearchClaw定位为增强而非取代人类科学判断的研究放大器。代码发布于 https://github.com/aiming-lab/AutoResearchClaw。

AutoResearchClaw：人机协作的自增强自主研究：论文配图
图 1：AutoResearchClaw 管道概述。给定一个研究想法，系统会经历三个阶段：发现（范围界定、文献检索、用于假设生成的多主体辩论）、实验（自我修复代码执行、第二个辩论小组的结果分析以及枢轴/细化决策）和写作（起草、审查、修订、四层引文验证）。可选的人机循环门（橙色）可以在关键检查点进行监督。交叉运行进化系统（底部）将先前运行中经过时间衰减的经验教训注入到所有阶段。