ScienceBuddy 是一个交互式科研工作空间，旨在把持续自我提升的科学代理嵌入研究者日常流程。系统将研究者的请求、反馈和执行证据转化为任务和评估标准，用于持续学习。
核心机制为递归‑在‑递归自我改进（recursive‑in‑recursive self‑improvement），即内部递归在模型固定时优化任务包装（harness），外部递归在改进的包装下训练模型。包装的演化塑造训练经验，模型学习又为包装适配提供新机会。
我们展示了研究者交互、包装细化和模型学习的案例，覆盖四类科学任务。ScienceBuddy 以研究产品形式开源，旨在推动发现智能——通过与研究者的长期协作，使科研 AI 与所支持的研究共同演化。
点评：该工作提供了一个可复现的框架，展示了模型与任务包装的双向迭代，为未来的自适应科研系统奠定基础。