Dolphin：通过思考、实践与反馈向闭环自动科研迈进

科学研究范式正因人工智能（AI）的发展而发生深刻变革。近期研究表明，各种 AI 辅助研究方法通过提升数据分析、加速计算并促进新思想的生成，大幅提高了研究效率。为进一步迈向终极目标（即自动科学研究），本文介绍了 Dolphin，一个由 LLM 驱动的闭环框架，用于增强科学研究的自动化程度。Dolphin 首先根据来自前实验结果和按主题和任务属性排序的相关论文反馈生成新想法。随后，可通过设计的异常-跟踪引导式本地代码结构来实现所生成想法。最后，Dolphin 自动分析每个想法的结果并将结果反馈给下一轮想法的生成。实验在不同主题的基准数据集和 MLE-bench 的子集上进行。结果表明，Dolphin 能在循环中持续改进输入主题的性能。我们指出，Dolphin 在诸如 3D 点分类等任务中，能够自动提出与最新方法相当的方法。