标签
ScholarCatalyst 提出了一个基准测试：184 位论文第一作者标注哪些论文推进了他们已完成的计算机科学研究项目。结果显示，在检索能启发想法的前人工作时，agentic search（基于智能体的检索）以及甚至基于 Claude Fable 5.1 的智能体，其表现都不如简单的 embedding 检索（Recall@20 分别为 0.42 和 0.51，而 embedding 检索为 0.48）。
TraceML 是一个用于对机器学习研究智能体进行轨迹级分析的工具，它将 Codex 智能体的运行过程与 Kaggle Grandmaster 的 notebook 进行对比，发现人类专家会探索更广泛的策略空间，而智能体则容易陷入狭窄的循环。将人类研究技能提炼成约 1,000 token 的规划提示后，Codex 在七项竞赛中有五项的成绩得到提升；该成果将在 NeurIPS 2026 上展示。
jevgrep 是由typesafeai的jev驱动的研究代理命令行界面，可降低编码代理成本40%，经SWE-bench验证。最近通过社区PR添加了对opencode zen的支持。
Hyperresearch 是一个开源的Python工具，充当Claude Code和OpenAI Codex的深度研究框架，使用代理来收集、搜索和综合网络研究到一个持久的、可搜索的维基中，并带有对抗性审计。
介绍 jevgrep，这是一个由 jev 驱动的研究代理命令行工具，经 SWE-bench 验证，可将编码代理成本降低 40%。
jevgrep 是一个由 typesafeai 的 jev 驱动的研究代理 CLI，通过自然语言问题提供代码上下文，从而将编码代理成本降低 40%。
一个用于交易筛选的研究代理由于名称模糊混淆了两家名为'Blue'的初创公司，导致数据混合；一个简单的修复方法是当有可信的创始人数据时跳过互联网搜索。
本文介绍了研究注意力预测（RAP），这是一个用于评估大型语言模型（LLMs）预测未来研究注意力转变的基准，揭示了证据获取策略中的偏差。
本文介绍了 Scientific Agent Skills，一个开源库，包含16个科学领域的163项程序性知识技能，旨在帮助AI研究代理执行可辩护的分析。
这篇文章推荐关注AI Scientist，并讨论研究代理如何通过类比模糊测试来学习失败，从而绘制未知地图并指导后续实验。
nimble_search 上的网络搜索代理通过扫描实时公共源自动进行市场调研，提供结构化的快照，包括竞争对手、定价、用户投诉和市场空白，让开发者免去手动切换标签的麻烦。
Fieldway的Matthew Stublefield使用Tavily的网络搜索API，通过MCP集成到Claude Code，构建了一个产品研究代理，将5小时的手动周期缩短至25分钟，并将数周的工作缩减为10小时。
一个使用Gemini、LangGraph、React和Google搜索的开源全栈研究代理示例，展示了包含动态查询生成、反思循环和引用答案的端到端工作流程。
Open Deep Research 是一个开源 Next.js 应用，它将 Firecrawl Search 和 Extract 与推理模型结合，执行迭代式网络研究循环，包括搜索、提取、规划、来源追踪和综合。
本文研究了当一个小型4B参数模型作为设备端研究代理时，其引用的忠实性由何种因素决定，发现更多源文本的暴露能提升忠实性，而检索召回率则限制了覆盖率。
开源的科研智能体 OpenAI4S，通过持久化内核运行真正的 Python/R 代码，结合 JSON 工具编排，让研究者可以用极低成本（豆包 ¥9.9/月）复现 Claude Science 级别的科研自动化。
本文介绍 ResearchStudio-Idea，一个基于 ML 会议论文分析的可复用研究构思技能套件，包含 Paper-Search、Scoop-Check 和 IdeaSpark，通过从 1,947 篇论文中提取的 15 个模式来生成有证据支撑的研究想法。
LangChain展示了一个代理，它利用Perplexity Agent API和LangGraph，在大约90秒内以0.40美元的成本草拟一份带引用的风险投资备忘录，包含四个并行研究节点和一个合成器。
从头构建了一个研究代理，没有使用任何框架，可在GitHub上获取。
一位开发者在 LangGraph 上重新实现了一篇论文中的多代理研究系统 Arbor，分享了关于图结构强制不变性以及从失败中反向传播洞察的经验。该重新实现 arbor-lg 使用 LangGraph 的 StateGraph 和 SQLite 检查点实现持久化。