通过双环多智能体协作演化与执行研究计划
人工智能
2025-10-09 v1 计算与语言
摘要
自动化端到端的科学研究过程面临一个根本性挑战：它需要既演化出新颖且严谨的高层次计划，又在动态且不可确定的条件下正确地执行这些计划。在解决这一双重挑战方面，我们提出了一种 novel Double-Loop Multi-Agent（DLMA）框架来自动解决给定的研究问题。领导环由 professor 智能体组成，负责演化研究计划。它通过 involvement、improvement 和 integration 会议来迭代地生成和细化研究方案池，从而有效地探索解空间。跟随环由 doctoral student 智能体组成，负责执行最佳演化后的计划。它通过 pre-hoc 和 post-hoc 会议在实施期间动态调整计划，确保每个步骤（例如撰写、编码）都得到上下文和外部观察的充分支持。针对基准测试如 ACLAward 和 Laboratory 进行大量实验，表明 DLMA 生成的研究论文在自动评估中取得 state-of-the-art 分数，显著优于强基准。消融研究确认了两个环的关键作用：演化驱动新颖性，执行确保严谨性。
引用
@article{arxiv.2510.06761,
title = {Evolving and Executing Research Plans via Double-Loop Multi-Agent Collaboration},
author = {Zhi Zhang and Yan Liu and Zhejing Hu and Gong Chen and Sheng-hua Zhong and Jiannong Cao},
journal= {arXiv preprint arXiv:2510.06761},
year = {2025}
}