arXiv cs.AI· Varun Gumma, Navonil Majumder, Soumitra Sinhahajari, Soujanya Poria·· 11 小时前AI 评分31
IDEAgent：用多智能体质量-多样性搜索生成研究想法
IDEAgent: Agentic Quality-Diversity Search for Research Idea Generation
AI 导读
IDEAgent 是一个多智能体框架，把研究想法生成建模为质量与多样性联合搜索，通过谱系追踪想法演化，并用多目标反馈修复和精炼想法。在覆盖 8 个 CS 领域的 32 个主题上，其 Yield 指标比最佳基线高 3.89x，Yield 至少为 2 的主题数量是后者的 8 倍。该框架已开源，并扩展到两个算法发现任务，同样优于所有基线。
正文 · AI 翻译
摘要：大型语言模型（LLM）显著推进了科学发现的自动化。然而，现有系统存在一个核心局限：它们针对质量或多样性中的单一目标独立优化想法。这往往导致想法彼此高度相似，或产生大量琐碎、不健全或不清晰的概念。我们认为，研究构思应被界定为质量与多样性目标的联合，即质量-多样性（QD）搜索。据此，我们提出 IDEAgent，一个通过谱系追踪想法演化的多智能体框架。我们利用多目标反馈进行修复与精炼，以共同驱动质量；同时通过轻量级顺序记忆，并与已完成想法、历史变体和被拒提案进行显式比较，来实现多样性。为评估这一联合目标，我们开发了 Yield 指标，它计算满足预定义质量阈值的最大相互多样想法集合。在涵盖 8 个计算机科学领域的 32 个主题上，IDEAgent 在 Yield 上比最佳基线高出 3.89 倍，同时在 8 倍数量的主题上达到至少 2 的 Yield。我们进一步分析质量提升，表明修复与精炼在保持非显而易见性的同时，提高了逻辑严谨性和清晰度。最后，我们将 IDEAgent 扩展到两个算法发现任务，以进行可验证的质量判断，发现它仍持续优于所有基线，并产生最大的高质量且多样化的程序集合，这些程序胜过平凡/标准基线。为鼓励未来基于 QD 搜索的构思研究，我们在 此 https URL 开源了 IDEAgent。
| 评论： | 审稿中 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2607.22375 [cs.AI] |
| （或此版本的 arXiv:2607.22375v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2607.22375 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Varun Gumma [查看邮箱]
[v1]
2026年7月24日星期五 15:03:14 UTC（1,087 KB）
[v2]
2026年10月20日星期二 15:42:11 UTC（968 KB）
来源：arXiv cs.AI · arxiv.org