Autonomous Research Search Efficiency Adaptive Planning Resource Allocation
摘要

本文主张评估 AI 驱动的自主研究系统时,除最终结果质量外,解决方案搜索过程的效率同样关键。针对真实科学场景中评估成本高昂的问题,提出利用帕累托前沿下面积(AUC)衡量效率。实验表明单一搜索结构并非始终最优,且效率与质量维度独立。为此,作者提出“流体搜索”自适应过程,利用组合多臂老虎机动态分配预算至多种搜索进程,实现了最高的整体搜索效率。

AI 推荐理由

论文核心研究自主研究中的搜索策略与资源规划,提出自适应规划方法。

研究机构
MIT
论文信息
作者 Haiqian Yang, Yuan Cao
发布日期 2026-07-27
arXiv ID 2607.24647
相关性评分 9/10 (高度相关)