深度研究代理：面向全天候深度学习实验的自主框架与零成本监控
人工智能
2026-04-08 v1
摘要
我们提出 \textbf{Deep Researcher Agent}，一个开源框架，使大语言模型（LLM）代理能够全天候自主开展深度学习实验。与现有专注于论文撰写或代码生成的人工智能研究助手不同，我们的系统涵盖了完整的实验生命周期：假设形成、代码实现、训练执行、结果分析和迭代优化。该框架引入了三项关键创新：（1）\textbf{零成本监控}——一种在模型训练期间仅依赖进程级检查和日志文件读取、不产生任何 LLM API 成本的监控范式；（2）\textbf{双层固定容量记忆}——一种无论运行时长均限制在约 5K 字符的内存架构，防止长运行代理中无界的上下文增长；（3）\textbf{极简工具集领导者-工作者架构}——一种多代理设计，其中每个工作者代理仅配备 3–5 个工具，将每次调用的令牌开销最多降低 73\%。在持续部署超过 30 天的过程中，该框架在四个并发研究项目中自主完成了 500 多次实验循环，在一个项目中通过 200 多次自动化实验实现了基线指标 52\% 的提升——所有这些的平均 LLM 成本仅为每个 24 小时周期 $0.08。代码可在 https://github.com/Xiangyue-Zhang/auto-deep-researcher-24x7 获取。
引用
@article{arxiv.2604.05854,
title = {Deep Researcher Agent: An Autonomous Framework for 24/7 Deep Learning Experimentation with Zero-Cost Monitoring},
author = {Xiangyue Zhang},
journal= {arXiv preprint arXiv:2604.05854},
year = {2026}
}