PaperClaw：利用智能体实现自主研究与人在回路优化

本文提出 PaperClaw，一个多智能体系统，旨在自动化从领域探索到论文完成的全生命周期。该系统通过 curated 文献构建领域知识，生成预注册的研究构想，并驱动可中断的假设地图进行“提出 - 测试 - 反思”迭代，直至证据支持构想后撰写合规论文。其全周期记忆机制支持长程任务的暂停与恢复，同时提供人在回路接口以优化初稿。评估表明，该系统在完全自主及人机协作模式下均能产出高质量论文。