作为AutoResearch失败感知共享记忆的负面知识

摘要

AI辅助研究系统产生大量失败尝试——但这些失败很少成为持久、共享的知识资产。我们提出负面知识记忆层：策展智能体把每次失败尝试转为共享库中有界、带类型的记录——下游研究智能体在提出下一实验前显式采纳或拒绝这些记录。我们在两种设定下评估该层：ScienceAgentBench上的同任务重试——以及两个非线性数学物理PDE问题上的跨任务科学研究。负面知识层以更少token超越原始AutoResearch基线；带负面知识库的智能体解出全部基线都无法解决的PDE系统研究新任务。我们还表明既有负面知识库可迁移——并在不同PDE问题上增强AutoResearch。这些结果提示：结构化负面知识是知识资产——应在更广的AI参与科学研究中作为与正面发现并列的集体科学记忆基础设施被显式维护——而不仅是记忆压缩或调试辅助。代码见 https://github.com/hch-wang/Negative_Knowledge。

作为AutoResearch失败感知共享记忆的负面知识：论文配图 — 图 1：多智能体自动研究工作流程中所提出的负面知识记忆层概述。研究代理人提出并执行实验，产生积极的发现和失败的尝试。一个单独的管理者代理不会将失败作为暂时性失败信号丢弃，而是将失败尝试的工件（例如代码、日志、跟踪、推理输出）转换为共享项目级库中的有界和类型化的负面知识记录。在提出新的实验之前，下游研究机构必须明确检查银行，并通过采用或拒绝相关记录来制定计划决策。通过这种方式，失败成为对未来探索的可重用约束：可以避免先前探索的死胡同，而实验搜索则被重定向到研究空间中未探索的区域。该图强调了这项工作的中心主张：负面知识不仅可以增强记忆，而且可以作为自主科学研究的共享认知基础设施。