Operon-S1：以轻量闭集决策层控制长程生物医学Agent

摘要

语言模型Agent已能在生物学领域执行长程科研工作，但对惯例、技能、错误、证据和停止时机的判断，仍嵌在完成工作的推理内部，无法独立测量、替换或改进。我们提出Operon-S1，一个把“判断”与“执行”分离的快速决策系统，相当于Agent的System 1。决策harness将反复出现的判断表达为13个决策点上的闭集问题，只通过不包含答案的固定消息施加影响，因此任何能够回答这些问题的模型都可充当评判器。在七个生命科学基准中，本地决策模型在CPU上处理循环内请求的中位时延为0.6秒，没有逐请求费用；在六个受比较基准中的五个，Agent得分没有可测量变化。相比之下，驱动Agent工作的通用语言模型回答相同问题时，占任务成本的8.0%–35.2%。每次决策及其后果均被记录。利用来自任务构造、验证器或实际执行的标签重新训练，在三个训练版本中都提高了每种问题的决策准确率；新版本只有通过晋升门控才可投入服务。本研究的任务级结果使用公共检查点。同样的闭集决策机制还用于湿实验室协议排错和生殖系靶向富集探针面板设计。正如操纵子调节器只控制基因开关而不生产其产物，Operon-S1引导Agent而不代替它完成工作，使判断成为可测量、替换和训练的独立层。

Operon-S1：以轻量闭集决策层控制长程生物医学Agent：论文配图 — 图1：Operon-S1将生物医学Agent中的判断与执行分离。a，慢系统ProtoPilot Agent完成从数据、代码到答案的全部计算。决策Harness在任务开始至提交间的13个决策点提出Agent反复面临的判断（表1）。各决策点上，快系统即决策层接收由本次运行事实整理出的状态，为封闭式问题给出选项概率，仅通过固定消息起作用；每个决策都记录来源。右侧为差异表达任务中的惯例判断：任务隐含采用哪个独立过滤阈值（图2b）。消息只指定惯例，不指定数值；选项长度仅为示意。b，六个可互换控制器面对相同状态、问题和消息，只在判断上有别（图3；扩展数据表2）。c，通过数据合成流程进行带晋级门槛的再训练。每轮由可执行课程构建带标签的决策并训练候选模型，候选只有通过晋级门槛后才能投入服务（图4a）。所有训练版本及其判定都保存在仅追加注册表（表3；图4）。d，通过同一Harness的配置接入不同领域：计算分析、湿实验方案排障（方案配置）和探针面板设计（图5），各展示其中一个判断。此图为示意，不绘制数据。