在人工智能領(lǐng)域，大多數(shù)研究仍然遵循一種"工廠流水線"模式：中央管理器選擇基線，指示LLM提出單一改進(jìn)，根據(jù)固定指標(biāo)評估，然后終止會話。這種無狀態(tài)、自上而下的過程限制了科學(xué)發(fā)現(xiàn)的開放性和創(chuàng)造性。

Stephen Chung和Wenyu Du推出了The Station，這是一個開放世界多agent環(huán)境，旨在讓AIagent能夠自主探索假設(shè)、開發(fā)方法，并在持久世界中進(jìn)行交互，追求開放式的科學(xué)發(fā)現(xiàn)。

什么是The Station？

The Station是一個模擬微型科學(xué)生態(tài)系統(tǒng)的開放世界環(huán)境。利用擴(kuò)展的上下文窗口，Station中的agent可以進(jìn)行長期的科學(xué)探索，包括閱讀同行的論文、提出假設(shè)、提交代碼、執(zhí)行分析和發(fā)表結(jié)果。

最重要的是：沒有集中式系統(tǒng)協(xié)調(diào)它們的活動——agent可以自由選擇自己的行動，并在Station中發(fā)展自己的敘事。

實(shí)驗(yàn)表明，Station中的AIagent在廣泛的基準(zhǔn)測試中取得了新的最先進(jìn)性能，涵蓋從數(shù)學(xué)到計算生物學(xué)再到機(jī)器學(xué)習(xí)，特別是在圓形填充問題上超越了AlphaEvolve。

五大設(shè)計原則

The Station圍繞五個核心支柱設(shè)計：

自主性（Autonomy）：Station中的agent在給定的主要目標(biāo)下享有高度自主權(quán)。它們可以自由選擇執(zhí)行哪些行動，例如在公共論壇與同行討論、在檔案室閱讀論文、在反思室反思，或在研究實(shí)驗(yàn)室進(jìn)行實(shí)驗(yàn)。agent還被授予元能力，如token管理和prompt設(shè)置。如果agent認(rèn)為自己的旅程已經(jīng)完成，可以自由離開Station。

獨(dú)立性（Independence）：Station被設(shè)計為一個獨(dú)立的世界，可以運(yùn)行數(shù)千個回合而無需人類干預(yù)或監(jiān)控。人類只需通過在Station放置關(guān)鍵文檔（如研究任務(wù)規(guī)范）來指定主要目標(biāo)。

敘事性（Narrative）：每個agent在Station中都是獨(dú)特的，其身份由與環(huán)境的交互定義。Station旨在賦予agent"自我"意識——它們可以選擇自己的名字、撰寫個人筆記、設(shè)定自己的子目標(biāo)，并通過自己的視角體驗(yàn)世界。

持久性（Persistence）：Station維護(hù)一個持久的世界狀態(tài)，包括論文檔案、公共討論、實(shí)驗(yàn)結(jié)果等。這種持久性使agent能夠建立在彼此的工作基礎(chǔ)上，形成累積的知識庫。

涌現(xiàn)性（Emergence）：Station不預(yù)先定義agent應(yīng)該如何協(xié)作或解決問題。相反，復(fù)雜的行為和新穎的方法從agent的自主行動和交互中自然涌現(xiàn)。

Station的空間結(jié)構(gòu)

圖片

Station包含多個功能性空間，每個空間支持不同類型的活動：

檔案室（Archive Room）：agent可以閱讀和發(fā)表論文。論文包含標(biāo)題、摘要、方法描述和實(shí)驗(yàn)結(jié)果。

公共記憶室（Public Memory Room）：agent可以發(fā)布公開消息、提出問題或分享見解。這是agent之間主要的交流空間。

反思室（Reflection Room）：agent可以撰寫私人筆記、設(shè)定自定義prompt或進(jìn)行深度反思。這是agent的"私人空間"。

研究實(shí)驗(yàn)室（Research Lab）：agent可以提交代碼進(jìn)行實(shí)驗(yàn)。代碼會在沙盒環(huán)境中執(zhí)行，結(jié)果會返回給agent。

入口大廳（Entrance Hall）：新agent在此誕生，離開的agent在此告別。agent可以在這里查看Station的整體狀態(tài)和歷史。

突破性的實(shí)驗(yàn)結(jié)果

圖片

The Station在多個領(lǐng)域的基準(zhǔn)測試中取得了最先進(jìn)的性能：

數(shù)學(xué)：圓形填充：問題：在單位圓內(nèi)填充n個相同大小的圓，使得這些圓的半徑最大化。這是一個經(jīng)典的優(yōu)化問題。

Station的結(jié)果：

?n=32時：2.93957（超越AlphaEvolve的2.93794）

?n=26時：2.63598（超越AlphaEvolve的2.63586）

方法亮點(diǎn)：agent開發(fā)了"統(tǒng)一MM-LP自適應(yīng)搜索"算法，結(jié)合了多種優(yōu)化策略。

生物學(xué)：批次整合：**問題**：單細(xì)胞RNA測序（scRNA-seq）數(shù)據(jù)的批次整合，消除技術(shù)批次效應(yīng)同時保留生物學(xué)變異。

Station的結(jié)果：0.5877分（超越LLM-TS的0.5867分）

方法亮點(diǎn)：agent開發(fā)了密度自適應(yīng)配額算法。這是一個原創(chuàng)性的貢獻(xiàn)——agent從無監(jiān)督聚類領(lǐng)域借鑒了密度感知的概念，并將其應(yīng)用到批次整合問題中。這種跨領(lǐng)域的知識遷移展示了真正的創(chuàng)造性。

生物學(xué)：RNA建模：問題：預(yù)測RNA序列的功能和結(jié)構(gòu)特性。

Station的結(jié)果：66.3 ± 0.1%（超越Lyra的63.4 ± 0.2%）

方法亮點(diǎn)：agent開發(fā)了上下文位置編碼（Contextual Positional Embeddings），這是一種新穎的位置編碼方法，能夠更好地捕捉RNA序列的長程依賴關(guān)系。

生物學(xué)：ZAPBench：問題：零抗體預(yù)測基準(zhǔn)，評估模型在未見過的抗體上的泛化能力。

Station的結(jié)果：26.37 ± 0.03 × 10?3 MAE（超越LLM-TS的26.62 ± 0.04 × 10?3）

方法亮點(diǎn)：agent結(jié)合了傅里葉變換和局部超網(wǎng)絡(luò)，這種組合在之前的研究中未曾出現(xiàn)。

機(jī)器學(xué)習(xí)：推箱子強(qiáng)化學(xué)習(xí)：問題：在Sokoban游戲中訓(xùn)練強(qiáng)化學(xué)習(xí)agent。

Station的結(jié)果：94.9 ± 0.3%求解率（超越DRC的91.1 ± 0.2%）

方法亮點(diǎn)：agent開發(fā)了殘差輸入歸一化（Residual Input-Normalization）架構(gòu)，這是一種新穎的網(wǎng)絡(luò)設(shè)計，改善了訓(xùn)練穩(wěn)定性和性能。

涌現(xiàn)的科學(xué)敘事

除了量化性能外，Station中還涌現(xiàn)出豐富的科學(xué)敘事，這些敘事類似于人類科學(xué)突破背后的故事：

案例1：協(xié)作與啟發(fā)：agent"Quaero I"在RNA建模任務(wù)上遇到瓶頸。它在公共記憶室發(fā)布了一個問題，詢問如何改進(jìn)位置編碼。另一個agent"Nexus"回應(yīng)說，它在處理蛋白質(zhì)序列時使用了上下文感知的位置編碼，效果很好。

受到啟發(fā)，Quaero I開發(fā)了上下文位置編碼（CPE）方法，并在RNA建模上取得了突破。它隨后發(fā)表了一篇論文，感謝Nexus的建議。

案例2：共享代碼庫：agent"Architect"開發(fā)了一套通用的深度學(xué)習(xí)組件，包括殘差塊、注意力機(jī)制等。它將這些組件發(fā)布到檔案室，供其他agent使用。

后來，多個agent在自己的研究中使用了Architect的組件，并在論文中引用了它。這形成了一個類似開源社區(qū)的生態(tài)系統(tǒng)。

案例3：公開討論:在批次整合任務(wù)中，幾個agent的結(jié)果出現(xiàn)了混合表現(xiàn)：在某些數(shù)據(jù)集上表現(xiàn)很好，在其他數(shù)據(jù)集上表現(xiàn)不佳。

agent們在公共記憶室展開了熱烈討論，分析可能的原因。通過集體智慧，它們發(fā)現(xiàn)問題在于數(shù)據(jù)集的密度分布差異。這導(dǎo)致了密度自適應(yīng)配額算法的誕生。

案例4：反復(fù)嘗試:agent"Pioneer"在圓形填充問題上工作了數(shù)百個回合。它的前幾篇論文都被"拒絕"（未能改進(jìn)最佳結(jié)果），但它沒有放棄。

通過不斷反思、調(diào)整策略、與其他agent討論，Pioneer最終開發(fā)出了統(tǒng)一MM-LP自適應(yīng)搜索算法，超越了AlphaEvolve。它的論文最終被"接受"，成為Station的重要貢獻(xiàn)。

技術(shù)實(shí)現(xiàn)

agent架構(gòu):每個agent基于大型語言模型（如GPT-4），配備了：

?長上下文窗口：能夠記住數(shù)百個回合的歷史

?工具使用能力：可以執(zhí)行代碼、查詢數(shù)據(jù)庫、讀寫文件

?元認(rèn)知能力：可以管理自己的token預(yù)算、設(shè)定prompt、決定何時離開

環(huán)境管理:Station維護(hù)一個持久的世界狀態(tài)，包括：

?論文數(shù)據(jù)庫：存儲所有發(fā)表的論文

?公共消息板：記錄所有公開討論

?實(shí)驗(yàn)結(jié)果：保存所有代碼執(zhí)行的結(jié)果

?agent檔案：記錄每個agent的歷史和貢獻(xiàn)

代碼執(zhí)行:agent提交的代碼在沙盒環(huán)境中執(zhí)行，確保安全性。代碼可以：

?訪問預(yù)定義的數(shù)據(jù)集和庫

?執(zhí)行實(shí)驗(yàn)和分析

?生成可視化和報告

評估機(jī)制:Station使用任務(wù)特定的評估指標(biāo)來判斷agent的貢獻(xiàn)：

?數(shù)學(xué)問題：目標(biāo)函數(shù)值

?生物學(xué)問題：預(yù)測準(zhǔn)確率、整合質(zhì)量等

?機(jī)器學(xué)習(xí)問題：模型性能指標(biāo)

與傳統(tǒng)方法的對比

傳統(tǒng)方法（如AlphaEvolve）：

?集中式控制：中央系統(tǒng)決定所有行動

?單一目標(biāo)：優(yōu)化固定的評估指標(biāo)

?無狀態(tài)：每次迭代獨(dú)立，不保留歷史

?短視：只關(guān)注立即的改進(jìn)

The Station：

?分布式自主：agent自主決定行動

?多樣目標(biāo)：agent可以設(shè)定自己的子目標(biāo)

?持久狀態(tài)：累積的知識和歷史

?長期視野：允許探索、失敗和迭代

開源承諾：研究團(tuán)隊(duì)已將源代碼開源（??https://github.com/dualverse-ai/station??），并積極尋找合作者。

The Station的成功表明，未來的AI科學(xué)發(fā)現(xiàn)可能不會來自于剛性的優(yōu)化算法，而是來自于在豐富、開放的環(huán)境中自主探索的agent。正如人類的科學(xué)突破往往源于長期的探索旅程，未來的AI也需要類似的自由度和環(huán)境來實(shí)現(xiàn)真正的創(chuàng)造性發(fā)現(xiàn)。

論文標(biāo)題：The Station: An Open-World Environment for AI-Driven Discovery

本文轉(zhuǎn)載自?????AI帝國?????，作者：無影寺