摘要
针对长周期自主研究任务(如机器学习工程),现有基于LLM的代理通常采用树、图或链结构组织候选解改进,即“以解决方案为中心的搜索”。本文提出“信息范式”,构建Iris系统,通过“查询-修订”循环实现。Iris根据当前信息状态生成局部行动计划,利用认知行动探测关键未知量而不修改保留解;同时综合实验观察形成可修订的任务知识,随新证据动态更新并构建决策上下文。在MLE-Bench上,Iris在12小时预算下取得64.9%的最高奖牌率,并展现跨领域泛化能力。
AI 推荐理由
论文核心提出自适应查询与知识修订机制,通过生成局部行动计划和迭代更新任务知识来指导多步决策,属于典型的自主规划能力研究。
研究机构
阿里巴巴集团
华东师范大学
浙江大学
复旦大学
独立研究者
论文信息