AutoResearchClaw：人机协作的自我强化自主研究
人工智能
2026-05-26 v2
摘要
自动化科学发现需要的不仅仅是根据想法生成论文。真正的研究是迭代的：假设从多个角度受到挑战，实验失败并为下一次尝试提供信息，经验教训在周期中积累。现有的自主研究系统通常将此过程建模为线性流水线：它们依赖单智能体推理，在执行失败时停止，并且不在运行之间传递经验。我们提出了AutoResearchClaw，一个基于五种机制构建的多智能体自主研究流水线：用于假设生成和结果分析的结构化多智能体辩论；一个带有\textsc{Pivot}/\textsc{Refine}决策循环的自修复执行器，将失败转化为信息；可验证的结果报告，防止捏造数字和幻觉引用；具有七种干预模式（从完全自主到逐步监督）的人机协作；以及将过去错误转化为未来保障的跨运行进化。在包含25个实验阶段主题的ARC-Bench基准测试上，AutoResearchClaw的性能比AI Scientist v2高出54.7%。跨越七种干预模式的人机协作消融实验表明，在高杠杆决策点进行精确、有针对性的协作，始终优于完全自主和详尽的逐步监督。我们将AutoResearchClaw定位为一种研究放大器，旨在增强而非取代人类的科学判断。代码可在https://github.com/aiming-lab/AutoResearchClaw获取。
引用
@article{arxiv.2605.20025,
title = {AutoResearchClaw: Self-Reinforcing Autonomous Research with Human-AI Collaboration},
author = {Jiaqi Liu and Shi Qiu and Mairui Li and Bingzhou Li and Haonian Ji and Siwei Han and Xinyu Ye and Peng Xia and Zihan Dong and Meng Chen and Congyu Zhang and Letian Zhang and Guiming Chen and Haoqin Tu and Xinyu Yang and Lu Feng and Xujiang Zhao and Haifeng Chen and Jiawei Zhou and Xiao Wang and Weitong Zhang and Hongtu Zhu and Yun Li and Jieru Mei and Hongliang Fei and Jiaheng Zhang and Linjie Li and Linjun Zhang and Yuyin Zhou and Sheng Wang and Caiming Xiong and James Zou and Zeyu Zheng and Cihang Xie and Mingyu Ding and Huaxiu Yao},
journal= {arXiv preprint arXiv:2605.20025},
year = {2026}
}