论文页面 - AutoResearchClaw：基于人机协作的自我强化自主研究

来源：https://huggingface.co/papers/2605.20025 作者：

, , , , , , , , , , , , , , , , , , , ,

摘要

AutoResearchClaw 是一个多智能体自主研究系统，通过结构化辩论、自修复执行、可验证报告、人机协作和跨轮进化学习，在基准测试中超越了以往系统，同时保持人类监督，从而改进科学发现。

自动化科学发现不仅仅是根据想法生成论文。真实的研究是迭代的：假设会从多个角度受到挑战，实验失败后为下一次尝试提供信息，并且经验会在不同轮次中积累。现有的自主研究系统通常将此过程建模为线性流水线：它们依赖单智能体推理，在执行失败时停止，并且不会跨轮次携带经验。我们提出了 AutoResearchClaw，这是一个基于五种机制构建的多智能体自主研究（https://huggingface.co/papers?q=multi-agent%20autonomous%20research）流水线：用于假设生成和结果分析的结构化多智能体辩论（https://huggingface.co/papers?q=structured%20multi-agent%20debate）；带有 Pivot/Refine 决策循环的自修复执行器（https://huggingface.co/papers?q=self-healing%20executor），将失败转化为信息；可验证结果报告（https://huggingface.co/papers?q=verifiable%20result%20reporting），防止伪造数字和虚构引用；人机协作（https://huggingface.co/papers?q=human-in-the-loop%20collaboration），提供七种干预模式，涵盖从完全自主到逐步监督；以及跨轮次进化（https://huggingface.co/papers?q=cross-run%20evolution），将过去的错误转化为未来的保障。在包含 25 个主题的实验阶段基准测试 ARC-Bench（https://huggingface.co/papers?q=ARC-Bench）上，AutoResearchClaw 比 AI Scientist v2（https://huggingface.co/papers?q=AI%20Scientist%20v2）提升了 54.7%。通过七种干预模式进行的人机协作消融实验表明，在高杠杆决策点进行精确、有针对性的协作始终优于完全自主和详尽的逐步监督。我们将 AutoResearchClaw 定位为一种研究放大器，它增强而非取代人类的科学判断。代码地址：https://github.com/aiming-lab/AutoResearchClaw。

查看 arXiv 页面（https://arxiv.org/abs/2605.20025）查看 PDF（https://arxiv.org/pdf/2605.20025）项目页面（https://github.com/aiming-lab/AutoResearchClaw）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.20025）

在您的智能体中获取此论文：

hf papers read 2605\.20025

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

引用此论文的模型 0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2605.20025 以将其链接到此页面。

引用此论文的数据集 0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.20025 以将其链接到此页面。

引用此论文的 Spaces 0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2605.20025 以将其链接到此页面。

包含此论文的收藏 0

没有收藏包含此论文

将此论文添加到一个收藏（https://huggingface.co/new-collection）以将其链接到此页面。