不漂移的AI科学家：四足导航研究回路中的品味、结构与可证伪发现

由大语言模型驱动的自主研究回路能够大规模运行机器学习实验，但往往漂移向对其所优化指标的局部改进，而不是检验激发实验的假设。我们从结构上解决这一问题，并提出一个用于研究仿真中四足机器人导航策略泛化性的AI科学家。在Karpathy的自研究（autoresearch）范式基础上，我们的回路增加三个组件：不可变的实验卡，以固定模式将每次迭代的预测与结果配对，使被证伪的假设无法被追溯改写；限于机械角色的专门子智能体；以及kkanbu——一个以类型化知识图谱承载用户研究品味的偏好oracle，是唯一被允许做出主观判断的组件。为隔离oracle的作用，我们在十一条研究流上以有无kkanbu两种设置各运行一次完全相同的回路。两臂均未漂移：二者各自证伪约四分之三的自身假设，且训练出的最佳策略来自无oracle一臂。oracle改变的是方向而非分数：只有它探索了测试时适应；在它所在一臂领先的流上，获胜设计出自它手；它还将经验跨流携带，而另一臂则反复重新推导这些经验。脚手架保持回路诚实；kkanbu决定回路看向哪里。