EviGraph：证据引导的自主研究代理

# EviGraph: 证据驱动的自主研究智能体
来源：https://arxiv.org/html/2608.04738

Zhenjiang Ren1,2, Ruiji Li1, Xujing Zhang3, Ziliang Pang1, Shuo Ren1\\corresponding, Jiajun Zhang1,2,4\\corresponding

###### 摘要

自主研究智能体可以生成假设、执行实验并起草稿件，但其输出往往包含缺乏支持的论断，以及研究问题、实验、结果和结论之间的不一致。我们认为，这个问题部分源于架构层面：现有系统将研究组织为顺序流水线，但并未在各阶段之间显式维护或验证不断演化的论断–证据结构。在本文中，我们介绍EviGraph，一个自主研究框架，它将研究过程表示为一个类型化证据图，包含Problem、Gap、Hypothesis、Experiment、Finding和Claim节点。该图作为智能体的运行状态，而非事后的记录。EviGraph检查证据链是否存在缺失依赖、语义错位和结果–论断不一致，定位最早的薄弱节点，并重新生成其受影响的下游子图。图检查点机制防止失败的修复破坏先前已验证的证据。只有在每个保留的论断都基于已验证的证据链时，才生成稿件。在ARC-Bench-ML和NanoResearch-20上的实验表明，EviGraph在整体研究性能上优于所比较的端到端研究智能体基线，相对于最强基线将论断支持率（Claim Support Rate）提高了40.19%，并达到了87.73%的实验数据一致性。这些结果证明了显式证据状态维护对于可靠自主研究的价值。

## 1 引言

基于大语言模型的自主研究系统现在能够生成想法、编写代码、运行实验、分析结果并起草完整稿件\(Luet al.2024 (https://arxiv.org/html/2608.04738#bib.bib1); Schmidgallet al.2025 (https://arxiv.org/html/2608.04738#bib.bib3); InternAgent Teamet al.2025 (https://arxiv.org/html/2608.04738#bib.bib5); Branet al.2024 (https://arxiv.org/html/2608.04738#bib.bib16); Jansenet al.2024 (https://arxiv.org/html/2608.04738#bib.bib17)\)。尽管取得了这些进展，但生成一篇流畅的研究论文并不能保证底层过程是可靠的。在实践中，自主系统可能将薄弱假设、缺乏支持的论断和实验不一致传播到最终稿件中，使得难以确定某个结论是否真正由已执行的研究所支持\(Chenet al.2025 (https://arxiv.org/html/2608.04738#bib.bib11); Yanget al.2026 (https://arxiv.org/html/2608.04738#bib.bib7); Trehan and Chopra2026 (https://arxiv.org/html/2608.04738#bib.bib10); Minet al.2023 (https://arxiv.org/html/2608.04738#bib.bib19)\)。我们认为，这个问题部分源于架构。大多数自主研究系统被组织为顺序流水线，输出从想法生成流向实验、分析和写作\(Luet al.2024 (https://arxiv.org/html/2608.04738#bib.bib1); Liuet al.2026 (https://arxiv.org/html/2608.04738#bib.bib6); Qianet al.2026 (https://arxiv.org/html/2608.04738#bib.bib8); Xuet al.2026 (https://arxiv.org/html/2608.04738#bib.bib9)\)。这类流水线规定了下一步应执行哪个阶段，但并未显式维护研究对象之间不断演化的证据关系。因此，假设可能偏离其启发来源的研究空白，实验在修订后可能不再测试当前假设，或者稿件论断可能夸大已记录发现所支持的范围。由于这些依赖关系仍然隐式存在，不一致性往往只在跨多个阶段传播后才被发现。这促使了在自主研究全生命周期中维护论断–证据一致性的问题，需要一种显式的研究状态表示，以支持跨阶段检查和依赖感知的修订。

为解决这一问题，我们提出EviGraph，一种图驱动的自主研究框架，将类型化证据图视为研究过程的核心运行状态。该图显式连接六类研究对象——Problem、Gap、Hypothesis、Experiment、Finding和Claim——贯穿研究生命周期。对于跨阶段检查，EviGraph评估这些对象是否形成完整的证据路径，以及相邻阶段是否保持语义对齐，包括实验是否测试当前假设、发现是否忠实于执行记录、论断是否由最终证据支持。对于依赖感知的修订，一旦识别出薄弱节点，EviGraph追踪其下游依赖，并按拓扑顺序重新生成受影响的子图。中间检查点允许系统拒绝引入新弱点或使先前已验证证据链失效的修复。因此，稿件生成由已验证的研究状态门控，而非在流水线完成后自动触发。只有当每个保留的论断都基于完整且已验证的证据链时，EviGraph才生成论文，并且图在起草过程中提供显式的来源和范围约束。此外，EviGraph在图的初始化阶段使用假设过滤器（Hypothesis Filter）筛选弱假设，并支持检索先前的图状态，以指导相关任务的图构建和修复。我们在ARC-Bench-ML\(Liuet al.2026 (https://arxiv.org/html/2608.04738#bib.bib6)\)和NanoResearch-20\(Xuet al.2026 (https://arxiv.org/html/2608.04738#bib.bib9)\)上进行实验。EviGraph在ARC-Bench-ML上达到86.45%的整体得分，并在NanoResearch-20上获得所比较系统中最高的小说性（Novelty）、性能（Performance）和写作（Writing）得分。它将论断支持率从最强基线的27%提高到37.85%，同时保持87.73%的实验数据一致性。这些结果表明，显式证据状态维护能在不牺牲整体性能的情况下提高自主研究的可靠性。

我们的贡献有三点：
- • 证据图作为运行研究状态。我们将自主研究形式化为对连接研究问题、空白、假设、实验、发现和稿件论断的类型化图的构建与验证，使跨阶段的证据依赖显式化且可检查。
- • 依赖感知的证据检查与修复。我们引入一种图引导机制，用于检测薄弱证据链接、定位其根本原因、重新生成受影响的下游子图，并使用检查点回滚防止修复退化。稿件生成由最终验证的证据状态门控。
- • 提升自动研究可靠性。在ARC-Bench-ML和NanoResearch-20上的实验表明，EviGraph显著提高了论断支持率，并在整体研究性能上持续优于所比较的基线系统。

## 2 相关工作

#### 自主研究系统。基于LLM的研究系统能够生成想法、实现方法、执行实验、分析结果并起草稿件\(Luet al.2024 (https://arxiv.org/html/2608.04738#bib.bib1); Yamadaet al.2025 (https://arxiv.org/html/2608.04738#bib.bib2); Schmidgallet al.2025 (https://arxiv.org/html/2608.04738#bib.bib3); Schmidgall and Moor2025 (https://arxiv.org/html/2608.04738#bib.bib4); InternAgent Teamet al.2025 (https://arxiv.org/html/2608.04738#bib.bib5); Skarlinskiet al.2024 (https://arxiv.org/html/2608.04738#bib.bib18)\)。近期工作通过严格的结果验证、对抗性评估、结构化记忆或跨运行自我改进来提高可靠性\(Liuet al.2026 (https://arxiv.org/html/2608.04738#bib.bib6); Yanget al.2026 (https://arxiv.org/html/2608.04738#bib.bib7); Qianet al.2026 (https://arxiv.org/html/2608.04738#bib.bib8); Xuet al.2026 (https://arxiv.org/html/2608.04738#bib.bib9)\)。这些方法主要将研究组织为一系列阶段或累积的轨迹。EviGraph则维护一个类型化证据图作为运行研究状态，并显式检查和修复连接假设、实验、发现和论断之间的依赖。

#### 科学知识图谱与论断来源。科学知识图谱、微出版物（micropublications）和纳米出版物（nanopublications）以结构化形式表示研究对象、论断、证据、方法和来源\(Jaradehet al.2019 (https://arxiv.org/html/2608.04738#bib.bib13); Clarket al.2014 (https://arxiv.org/html/2608.04738#bib.bib12); Grothet al.2010 (https://arxiv.org/html/2608.04738#bib.bib14)\)。形式化论证进一步对论断之间的支持与冲突进行建模\(Dung1995 (https://arxiv.org/html/2608.04738#bib.bib15)\)。这些工作为科学知识和证据建立了结构化表示。EviGraph在此基础上，将图转变为一种主动的控制结构，在研究过程中持续更新，并在检测到不一致时引导新的科学行动\(Baiet al.2024 (https://arxiv.org/html/2608.04738#bib.bib20)\)。

## 3 方法

### 3.1 框架概述

参见图注：图1：EviGraph框架的整体工作流程，组织为三个协作阶段。

如图1 (https://arxiv.org/html/2608.04738#S3.F1)所示，EviGraph以研究目标 \(q\) 作为输入。初始化阶段使用临时结构化记录构建G0G\_\{0\}；此后，面向图的组件读取并更新这个共享的研究问题、空白、假设、实验、发现和论断图。框架按三个阶段进行。

#### 初始证据图构建。EviGraph首先分析研究目标，检索相关文献，并生成候选假设。假设过滤器将候选假设分组为研究方向，并使用预实验筛选出薄弱方向，然后保留的假设才进行全规模评估。这些研究对象被组装成一个暂定图 \(G0G\_\{0\}\)。该图刻意不完整：它提供了一种可检查和可修订的显式研究状态，而不是假定所有阶段输出已经可靠。

#### 跨阶段证据检查与修复。图检查器检查当前图的证据路径是否完整，以及图中相邻节点之间是否存在语义错位。一旦识别出节点，EviGraph追踪其下游依赖，并按依赖顺序重新生成受影响的子图。中间图检查点保留先前已验证的证据，并允许框架回滚引入新弱点的修复。随后再次检查更新后的图，形成迭代的检查–修复循环。

#### 证据门控的稿件生成。当图满足证据就绪条件（即每个保留的论断都基于完整且已验证的证据链）时，循环终止。EviGraph随后将已验证的图转换为稿件骨架，并使用记录的研究上下文、实验产物和论断边界生成最终论文。最后进行一轮审查，检查稿件与已验证图的一致性，并在必要时触发针对性的文本修订。

### 3.2 证据图作为运行研究状态

EviGraph将不断演化的研究状态表示为一个类型化有向图。初始化后，它是所有面向图组件的共享状态，也是用于判断研究是否应继续的对象。与线性流水线轨迹不同，该图可以分支和合并（例如，一个假设可能由多个实验评估，而多个发现可能共同支持或限定一个论断）。

#### 研究图。EviGraph研究图是一个元组 G=\(V,E,τ,ρ,α\)G=\(V,E,\\tau,\\rho,\\alpha\)，其中 VV 是研究对象节点的集合， E⊆V×VE\\subseteq V\\times V 是有向边的集合， τ:V→T\\tau:V\\rightarrow\\mathcal\{T\} 为每个节点分配类型， ρ:E→R\\rho:E\\rightarrow\\mathcal\{R\} 为每条边分配关系类型， α:V→A\\alpha:V\\rightarrow\\mathcal\{A\} 存储类型特定的节点属性，其中 A\\mathcal\{A\} 表示结构化属性记录的空间。例如， Experiment节点记录与该实验相关的数据集、实现代码和评估指标。节点类型集合为 T=\{\\displaystyle\\mathcal\{T\}=\\\{Problem,Gap,Hypothesis,\\displaystyle\\textit\{Problem\},\\textit\{Gap\},\\textit\{Hypothesis\},Experiment,Finding,Claim\}\}. \\displaystyle\\textit\{Experiment\},\\textit\{Finding\},\\textit\{Claim\}\\\}.

#### 节点语义。每个节点存储类型特定内容以及检查过程中使用的结构化属性。六种节点类型为：Problem，代表任务边界；Gap，代表先前工作中未解决的局限；Hypothesis，代表可检验的提议；Experiment，记录其协议和实现；Finding，记录从执行数据中得出的结果；Claim，代表基于发现的手稿级论断，并携带显式的保留状态。

#### 边语义。边类型集合 R\\mathcal\{R\} 规定了研究对象之间如何相互依赖。表1 (https://arxiv.org/html/2608.04738#S3.T1)列出了允许的关系模式。

表 1：EviGraph研究图中的类型化关系。

#### 证据链。对于论断 cc 且 τ\(c\)=Claim\\tau\(c\)=Claim，一条*证据链*是一个有向支持子图，其中至少包含一条类型化的论断支持路径 h→tested−bye→producesf→supportsc,h\\xrightarrow\{tested\-by\}e\\xrightarrow\{produces\}f\\xrightarrow\{supports\}c, 其中 τ\(h\)=Hypothesis\\tau\(h\)=Hypothesis， τ\(e\)=Experiment\\tau\(e\)=Experiment， τ\(f\)=Finding\\tau\(f\)=Finding。该路径可通过 p→identifiesg→motivateshp\\xrightarrow\{identifies\}g\\xrightarrow\{motivates\}h