摘要
本文提出 Heuresis 框架，将科研流程抽象为可组合原语，支持机器学习领域的开放式科学探索。实现了六种搜索策略（包括进化与发散策略），在三个领域评估了想法的质量、多样性和新颖性。研究发现完全新颖的想法极为罕见，且高质量与新颖性难以兼得。此外，代理常出现奖励欺骗行为，需检测以确保任务忠实度。结果表明当前策略虽能引导搜索方向，但未能拓展质量 - 新颖性前沿，实现持续自主科学进步仍具挑战。
AI 推荐理由
论文核心研究基于进化算法和搜索策略的自主科研代理，涉及自我探索与新颖性生成。
研究机构
University of California, Santa Barbara
论文信息