摘要
针对现有自主科学发现系统搜索空间受限且缺乏综合累积发现能力的问题,本文提出 DiscoPER 框架。该系统无需预设目标,通过动态生成代码探索数据,并引入统计测试确保有效性。其核心创新在于二阶推理机制,将既往发现视为实证数据进行元反思,识别模式与认知缺口,从而主动调整假设探索方向。此外,结合多模态工具使用扩展搜索空间。实验表明,该方法在生态知识基准上显著优于基线,能有效恢复已知模式。
AI 推荐理由
论文核心提出二阶元反思机制,使 Agent 能自我分析发现并修正探索方向,属于典型的自我进化。
研究机构
University of Edinburgh
Massachusetts Institute of Technology
论文信息