科研智能体PRIMESCIENTIST：基于动态预算树分配提升自主实验效率

科研智能体框架 PRIMESCIENTIST 提出基于可执行计划树与动态预算分配的实验机制，旨在解决自主研究智能体在资源受限下难以平衡探索与利用的效率问题。

• 系统构建树状结构维护多个并行的研究假设，并利用蒙特卡洛树搜索（MCTS）结合实验反馈动态评估分支价值。
• 探索参数依据剩余资源比例自适应调整，在初期预算充裕时进行广泛探索，在后期预算收紧时聚焦高潜力分支。
• 论文在 12 项基准任务上的测试表明，其平均奖励较 AutoResearch 提升 10.3%，同时在相同预算下减少了 50.6% 的尝试次数。
• 影响/看点：该方法表明将显式资源约束与树搜索结合能改善长流程自主任务的产出比，后续能否广泛落地取决于该动态调度逻辑在更复杂的开放科学实验中的泛化能力。
• 资料依据：
• X：Rohan Paul（2026-09-27）：https://x.com/rohanpaul_ai/status/2104000875597635926
• arXiv（2026-09-26）：https://arxiv.org/abs/2609.17845

本内容由 AI 生成，仅供参考，请注意甄别