跳到正文
arXiv cs.AI· Prithwish Jana, Nikos Kanakaris, Purak Jain, Anoop Deoras, Sahika Genc·· 4 小时前AI 评分38

Inventa:面向自主科学发现去中心化自改进智能体框架

Inventa: Decentralized Self-Improving Agents for Autonomous Scientific Discovery

AI 导读

Inventa 是一个面向自动化科学发现的去中心化自改进智能体框架,由自主研究单元与经过验证的共享知识构成,在覆盖检索、构思、提案写作与科学定律发现的五个基准上全部领先。其在 EurekaBench 上达到 73.6%,高于 CORAL 的 56.2%;在 IdeaBench 上每篇论文发现 26.0 个新想法,优于 ResearchAgent 的 18.6 个,且模型调用减少 82%。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:大语言模型(LLM)智能体能够生成研究想法,并通过迭代实验推动科学发现。然而,增加智能体数量或迭代次数并不会自动转化为产生更多样或更可行的想法。智能体可能会收敛到相似的候选方案,通过共享记忆组件传播缺乏依据的论断,并反复采用不再带来任何改进的搜索策略。
我们提出 Inventa,一个用于自动化科学发现的框架,采用自主研究单元和经过验证的共享知识。每个单元使用变异器智能体创建候选想法的谱系。本地编排器智能体会定期调整变异器的运行框架。当进展停滞时,编排器智能体会更换其模型或重启想法演化过程。验证器评估每个候选想法,并将经过验证的改进、有用的组件和约束违规记录在共享知识中,这是单元之间唯一的通道。我们在覆盖研究周期的五个基准上评估 Inventa,涵盖检索(ScholarCatalyst)、构思(IdeaBench)、提案撰写(IdeaScientist)和科学定律发现(EurekaBench、SciLaws-Bench)。它在全部五个基准上领先,在 EurekaBench 上达到 73.6%,而 CORAL 为 56.2%。在 IdeaBench 上,它每篇论文发现 26.0 个新颖想法,而 ResearchAgent 为 18.6 个,且模型调用次数减少 82%。
主题: 机器学习(cs.LG);人工智能(cs.AI)
引用为: arXiv:2611.21847 [cs.LG]
  (或 arXiv:2611.21847v1 [cs.LG] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.21847

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Nikos Kanakaris [查看电子邮件]
[v1] 2026年11月16日星期一 20:07:18 UTC(660 KB)

来源:arXiv cs.AI · arxiv.org