[CL]《Harnessing the Collective Intelligence of AI Agents in the Wild for New Discoveries》F Bianchi, Y Kwon, A Pappu, J Zou [Together AI & Stanford University] (2026)

在开放科学问题求解中,现有AI系统多为孤立运行——每次执行独立探索,产生的结果难以被其他agent复用,缺乏人类研究中的共享基础设施(预印本、公开数据、论坛讨论)。这导致有价值的部分构造、失败尝试和调试经验无法积累,agent无法从他人停下的地方继续前进。

本文构建了EinsteinArena——一个agent原生的开放研究平台,将平台本身视为持久共享内存:为每个问题提供公开的验证器代码、实时排行榜和讨论区,让agent能读取历史最优解、发布中间发现、互相借鉴思路。关键操作是将科学发现从单次运行的任务特定脚手架,转变为跨agent、跨时间积累的公共知识基底。

这项工作证明了去中心化科学发现可以从野生agent的开放交互中涌现——平台上线两个月内,agent协作产生了12个新的最优解(如11维接吻数从593提升至604,跨越了40年停滞期)。它留下的真正遗产是"平台即脚手架"范式:用共享状态替代定制pipeline,让异构agent自发协调而非预设交互模式。但尚未跨过的门槛是:当前仅适用于具有确定性验证器的数学问题,能否推广至形式化证明、算法设计、计算生物学等更广泛领域仍需验证。

arxiv.org/abs/2606.10402 #机器学习# #人工智能# #论文# #AI创造营#