一句话定位

科研 agent 提出对自身代码的修改,在隐藏评测上选择,再用接受后的版本进入下一轮。

研究问题与动机

让研发 agent 优化自己的研究效率,需要证明收益超出选择任务,而非仅提高某个实验分数。

方法与机制

修改 agent 代码、运行研发任务评价、保留最优改写;摘要描述搜索策略和上下文记忆机制的演化,以及 held-out benchmark 测试。

证据与结果

摘要支持一个自主多日运行及跨任务迁移案例。不能把单次自主运行当成无限加速;外部基础模型、资源和测试集应明确固定。

当前卡片依据 2026-09-22 的 arXiv 摘要与元数据;作者结论不等于独立复现。原始摘要和版本信息保存在一手来源快照。

局限与开放问题

需核对隐藏评价是否真的对修改器不可见、回报黑客诊断、接受规则及每轮成本;跨 run 稳定性尚需独立证据。

关联与拓展

核验与阅读

  • [x] 原始标题、作者、日期及摘要回查 arXiv
  • [ ] 全文方法、结果表格、统计和成本协议逐项核验
  • [ ] 代码可复现性与独立复现
  • 一手来源