IDEAgent：面向研究想法生成的智能质量多样性搜索

论文页面 - IDEAgent: 面向科研想法生成的智能体质量-多样性搜索 来源：https://huggingface.co/papers/2607.22375

摘要

大型语言模型（LLMs）在过去几年显著自动化了科学发现的过程。然而，现有系统共享一个核心局限：它们独立地为质量或多样性生成和优化想法。这往往导致生成的想法彼此之间高度相似，或产生大量琐碎、不合理或模糊的概念。在这项工作中，我们反而认为研究构思应被视为这两个目标的结合，并框架为质量-多样性（QD）搜索。基于这一观点，我们引入了IDEAgent，一个通过谱系管理想法演化的多智能体框架。我们利用多目标反馈进行专门的修复和优化来联合驱动质量，同时通过轻量级顺序记忆以及对照已完成想法、其历史祖先和被拒绝提议的明确比较来实现多样性。为了系统评估这种质量-多样性结合，我们开发了Yield，一个联合度量指标，计算满足预定质量阈值的最大的互异想法集合。最后，通过在涵盖计算机科学8个领域的32个主题上的评估，我们表明IDEAgent在Yield上以3.89倍的优势优于最佳基线，同时在8倍以上的主题上取得了非零Yield。我们通过分析质量改进进一步证实了这些发现，表明修复和优化对于构建逻辑严谨性和清晰度同时保持非显而易见性至关重要。为鼓励未来基于QD搜索的构思研究，我们在https://github.com/declare-lab/IDEAgent开源了IDEAgent。

查看 arXiv 页面 (https://arxiv.org/abs/2607.22375)
查看 PDF (https://arxiv.org/pdf/2607.22375)
GitHub1 (https://github.com/declare-lab/IDEAgent)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.22375)

在你的智能体中使用此论文：

hf papers read 2607.22375

没有最新的 CLI？
curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

无模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2607.22375 即可将其链接到此页面。

引用此论文的数据集 0

无数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2607.22375 即可将其链接到此页面。

引用此论文的 Space 0

无 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2607.22375 即可将其链接到此页面。

包含此论文的收藏 0

无收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 以将其链接到此页面。