原始来源日期:2026年10月1日。本文为近72小时外延的研究回顾,原始预印本并非今日发布。
原文编译
YouRA针对端到端科研Agent的结构性问题:论文里的主张可能与真正执行的实验脱节,失败尝试和数据来源也会在长链路中丢失。作者认为仅增加反思提示不足,需要把研究状态、证据与失败史保存成可检查的持久对象。
系统包含验证状态架构VSA,用于追踪假设、阶段门与证据指针;独立控制器读取状态和反思记录,决定生命周期、恢复和评审,并把控制与执行分离;状态化反思把失败记录为结构化教训,只允许有限修复、重设计或重置。
作者在MLR-Bench预设的十任务端到端子集上,使用三种相同骨干与MLR-Agent、AI Scientist V2比较,称YouRA的Overall均更高。自动诊断采用MLR-Bench幻觉分类统计四类事实错误,数据来源诊断则显示更多输出基于真实数据。
消融分别移除VSA、独立控制器、MCP工具访问和反思恢复,作者称每个部分均有独立贡献,移除核心状态组件会低于完整系统。限制是任务集只有十项,幻觉诊断主要自动化,论文被会议接收并不等于所有主张已在其他实验室复现。
量仔观察
本站判断,科研Agent的核心质量指标应从最终文本转向“每个主张能否指回代码、数据与运行”。YouRA的持久状态设计可借鉴,但自动诊断本身也要有抽样人工复核。
落地时可先实现最小闭环:假设ID、实验运行ID、数据版本、结果哈希、失败原因和允许的恢复动作。若控制器也由同一模型自由改写,分离执行与治理的价值会被削弱。
