通过假设树细化实现通才自主研究

科学进步取决于探索、实验和抽象的重复循环。研究人员测试候选人的方向，解释证据，并将所得的教训带入以后的尝试中。我们研究人工智能代理如何长期自主运行这个循环。我们介绍了 Arbor，这是一个自主研究的通用框架，它结合了长期协调员、短期执行员和假设树细化 (HTR)，这是一种将假设、工件、证据和跨时间的提炼见解联系起来的持久树。协调员管理树上的全局研究策略，而执行者则在孤立的工作树中实施和测试各个假设。当结果返回时，Arbor 更新树，传播可重用的经验教训，细化搜索边界，并承认经过验证的改进。这种设计将自主研究从一系列本地尝试转变为一个累积过程，其中策略、执行和证据随着时间的推移而进行。我们在自主优化（AO）下评估 Arbor，这是一种操作设置，其中代理通过迭代实验改进初始研究工件，无需人工监督。在 模型训练 中的六项实际研究任务、利用工程和数据合成中，Arbor 在所有六项任务上都取得了最佳的保留结果，在相同的任务接口和资源预算下，获得了 Codex 和 Claude Code 的平均相对保留增益的 2.5 倍以上。在 MLE-Bench Lite 上，Arbor 在 GPT-5.5 上达到了 86.36% Any Medal，这是我们比较中最强的结果。