原始来源日期:2026年10月6日。本文依据最近72小时内发布的一手资料编译。
原文编译
论文指出,科研Agent完成一次实验并不等于系统真正学会。很多成功执行没有被转化为程序级改进,或者更新后只在原任务有效、在后续任务遗忘;现有评测也少有连续任务流与独立重置检查。
ScienceClaw把自进化限定为模型参数固定时的程序演化,统一任务求解、科学验证和代码/技能更新。ScienceClaw-Eval覆盖23个自然与社会科学学科,评价科学正确性、演化增益、保持、跨数据集迁移和演化成本。
框架通过多轮交互修复可执行工作流,把经过重新执行验证的失败—成功轨迹提炼为关联Skill和Operator候选。候选不是生成后立即写入,而要回放源任务确认修复可复现。
更新还必须使独立科学任务改善才会被保留,这试图区分真正可泛化的程序经验与针对单一数据的补丁。论文摘要未提供完整跨学科分数,仓库开放有利于复现,但科学验证器本身仍可能遗漏领域错误。
量仔观察
本站认为,“源任务重放+独立任务增益”是技能写入门的好模板。安全和密码研发Agent也可要求新技能既通过原始KAT,又在独立向量、异常输入和不同平台上不退化。
跨学科不应只追求一个总分。每次演化要记录改变的代码、证据和影响范围,并保留回滚点;若验证器无法覆盖某领域,应把结果标成待专家确认,而不是用其他学科成功率替代。成本指标还应区分一次性修复与后续重复收益。
