Ricerca
ScienceBuddy: auto-miglioramento ricorsivo nella ricorsione per agenti scientifici interattivi
Presentiamo e rendiamo disponibile ScienceBuddy, uno spazio di lavoro interattivo per la ricerca scientifica che integra agenti scientifici in continuo miglioramento nei flussi di lavoro quotidiani de

- arXiv
- 2609.17523
- Pubblicato
- 2026-09-15
- Autori
- Shuhan Xue, Jianyuan Zhong, Ziyuan Nan, Wenbin Li, Zhaochen Yu, Jinchao Ding, Qiang Gao, Pengyu Zhan, Yuntong Zhang, Tian Cheng, Zhenfei Yin, Yingcheng Wu, Ling Yang
Abstract degli autori
Presentiamo e rendiamo disponibile ScienceBuddy, uno spazio di lavoro interattivo per la ricerca scientifica che integra agenti scientifici in continuo miglioramento nei flussi di lavoro quotidiani dei ricercatori. ScienceBuddy aiuta i ricercatori a svolgere compiti scientifici e, al tempo stesso, trasforma le loro richieste, i loro riscontri e le evidenze raccolte durante l’esecuzione in compiti e griglie di valutazione per l’apprendimento continuo. Al centro vi è l’auto-miglioramento ricorsivo nella ricorsione, un paradigma che combina l’evoluzione dell’harness con l’apprendimento per rinforzo del modello: la ricorsione interna migliora l’harness mantenendo fisso il modello, mentre quella esterna addestra il modello con l’harness migliorato. L’evoluzione dell’harness plasma l’esperienza di addestramento e l’apprendimento del modello crea nuove opportunità di adattamento dell’harness. Presentiamo casi di studio sull’interazione con i ricercatori, sul perfezionamento dell’harness e sull’apprendimento del modello; i casi del benchmark coprono quattro famiglie di compiti scientifici. Rendendo disponibile ScienceBuddy come prodotto per la ricerca, mettiamo questo paradigma a disposizione della comunità scientifica e compiamo un passo verso l’intelligenza per la scoperta: un’IA scientifica che progredisce grazie a una collaborazione continuativa con i ricercatori e si evolve insieme alla ricerca che sostiene. Sito web: http://science-buddy.io
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv