在科学研究中，自动化研究代理越来越多地生成代码、检索文献和起草科学文献，但它们常常无法验证生成的实验是否正确执行，或引用的来源是否支持生成的主张。为此，我们提出了AutoResearch，这是一种基于执行的多智能体框架，用于可靠的研究工作流自动化。
AutoResearch结合了沙箱化的Python/PyTorch执行、迭代代码修复、引用验证、主张支持审核、决策控制和结构化的\LaTeX{}文档生成。该系统将运行时错误、引用验证失败和审查代理反馈视为生成研究文献的实用过滤信号。
在对HumanEval、MBPP、SciCode子集、引用验证任务、主张支持审核以及小型端到端工作流压力测试的控制评估中，AutoResearch相较于直接可比较的基线显著提高了执行成功率、引用有效性、局部主张支持和工作流完成度。代码导向的代理作为部分比较单独报告。
值得注意的是，AutoResearch旨在作为一个可靠性导向的研究助手，而不是完全自主的科学家或独立的手稿质量基准。
博主点评： AutoResearch的多智能体框架展现了在自动化研究领域的巨大潜力，尤其是在提高研究成果的可靠性和有效性方面。通过综合使用代码修复和文献验证技术，该系统为科研人员提供了一个强大的工具，能够在复杂的研究环境中进行有效的自动化工作流管理。