学习搜索的 ARTS 以实现自动化发现

科学发现可表述为假设与实验空间的迭代搜索过程。现有方法常混淆假设价值与执行质量，且因上下文限制修剪历史日志。本文提出用于树搜索的代理推理（ARTS），部署推理语言模型检查执行日志，诊断失败源于实现错误还是假设缺陷，从而选择后续假设。为解决上下文长度挑战，ARTS 利用测试时训练将搜索树知识注入模型权重。在 22 个任务上的实验表明，ARTS 显著优于领先算法，归一化得分提升超 15.3%。经测试时训练，Qwen3-4B 代理能以低至五分之一的推理成本媲美前沿闭源模型，并在部分可观测 RL 任务中重新发现了被启发式方法剪枝的人类最优循环记忆解法。