标签
论文提出了 MILO，一个让智能体 harness 与用于发现它们的搜索策略协同进化的框架，采用基于岛屿的进化搜索，并结合变异体智能体与协调器。在 Terminal-Bench 2.1、PaperBench 和 DeepSWE 上，MILO 发现的 harness 优于最前沿的 harness 和搜索方法，甚至超越了 Terminal-Bench 2.1 排行榜的榜首条目，且 token 消耗减少 26%。
本文提出了一种由虚拟实验室组成的智能体AI科学社区，能够自主发现用于偏微分方程问题的神经算子架构。通过引用经济体系下的LLM规划器、数值工作者和评审者，该系统生成了高精度的混合架构，结果表明算子家族之间不存在普遍优胜者。
该论文介绍了GAMBLe，一个将AI驱动研究系统分解为生成器、评估器、发现机制和预算的框架，揭示了组件交互如何塑造优化景观。在NP困难问题上的实验表明，没有普遍最佳的配置，强调了谨慎选择组件的必要性。
本文介绍了AI CFD Scientist，一个用于计算流体动力学的开源AI代理，它利用视觉语言验证和代码修改自主发现物理修正，在CFD任务上优于通用AI科学家。