S1-NexusAgent：面向多学科科学研究的自演化智能体框架

现代科学研究依赖大规模数据、复杂工作流程和专业工具，而现有的大语言模型和工具型智能体因长期规划、稳健目标维护和执行中持续学习等局限性，难以处理上述挑战。为此，本文提出S1-NexusAgent，一个面向多学科科学研究的自演化智能体框架。S1-NexusAgent采用层次化的Plan-and-CodeAct执行范式，通过双环架构将全局科学规划与子任务级工具执行解耦，从而实现复杂科研工作流程的稳定建模。系统原生支持模型上下文协议（MCP），集成数千种跨学科科学工具，借助意图感知的动态工具检索和热插拔机制，实现异构科研工具的高效编排。为应对科学场景中的长上下文和大规模数据挑战，S1-NexusAgent引入基于对象引用的稀疏上下文管理，实现子任务上下文隔离和中间结果压缩。基于此，Critic智能体自动评估完整的执行轨迹，并将高质量的科研路径蒸馏为可复用的科学技能，形成闭环的自我演化机制，对于可持续的长期科学研究具有重要价值。在针对长期规划和复杂专业工具编排的权威科学基准测试中进行实验，包括生物学基准的biomini-eval、化学基准的ChemBench和材料科学基准的MatSciBench，结果表明S1-NexusAgent实现了最先进的性能，验证了其在复杂科学任务中的有效性和广泛适用性。