arXiv cs.AI· Youran Sun, Xingyu Ren, Chugang Yi, Jiaxuan Guo, Kejia Zhang, Jianda Du, Haizhao Yang·· 1 天前AI 评分48
Agon：基于 Prompt Economy 的自主大规模全学科研究系统
Agon: An Autonomous Large-Scale Omnidisciplinary Research System Built on Prompt Economy
AI 导读
Agon 是一个基于 Prompt Economy、最小提示、大规模并行等六项设计原则构建的研究编排系统，仅凭简短主题描述、无需人工编写代码即可跨学科部署研究。这些部署在展现可扩展性的同时，也暴露出难以通过提示词工程解决的新型失败模式，研究将其按严重程度、可修复性、可见性和能力归属四个维度归类。代码已在 GitHub 公开。
正文 · AI 翻译
摘要：大型语言模型正在使研究变得可规模化。我们提出 \textsc{Agon}，一个旨在探索自动化研究极限的研究编排器。\textsc{Agon} 基于六项设计原则构建：提示经济性、面向未来、最小提示、全学科、大规模并行和零代码。我们仅以简短的主题描述作为起点、且无人工编写代码，将 \textsc{Agon} 部署到多个领域。这些部署展示了可扩展性，但也揭示了此前未见、难以通过提示工程解决的失败类别。我们沿四个维度将这些失败组织成分类体系：严重程度、可修复性、可见性和能力所在。这些结果共同表明，\textsc{Agon} 正推动研究走向新范式：机器扩展，人类掌舵。我们的代码公开在 \href{此 https URL}{此 GitHub 仓库}。
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI）；计算与语言（cs.CL）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2606.24177 [cs.SE] |
| （或 arXiv:2606.24177v2 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.24177 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Youran Sun [查看邮箱]
[v1]
2026年6月23日星期二 05:57:09 UTC（368 KB）
[v2]
2026年11月10日星期二 20:24:48 UTC（367 KB）
来源：arXiv cs.AI · arxiv.org