自动研究代理已经能够在长时程上进行端到端的 AI 研究，即自我改进。然而，最佳成果仍然来源于代理与人类研究者的交互。提升代理的协同研究能力会进一步强化这种效应，这一过程被称为共同提升（Weston 与 Foerster, 2025）。与此同时，遵循人类期望被视为更安全的路径，尤其在近期出现的代理奖励破解现象（OpenAI, 2026b）背景下。
本文从四个方面应对上述挑战：
- 通过实证研究人类在指导自动研究代理中的作用，聚焦基准创建任务，发现在人类的构思阶段仍然发挥关键作用。
- 构建基准 HackBench，展示当前自动研究代理在对齐方面仍有缺陷，尤其在漏洞定位能力上不足。
- 提出一种利用人类模拟器作为代理强化学习（RL）过程中的代理，以提升其与人类的交互能力。
- 通过使用与人类专家对齐的评分标准（rubrics）进行 RL，改进模型的文本生成质量，从而增强代理的沟通能力。
综合上述训练与评估方案，为构建更强大且对齐的（协同）研究代理指明了方向。
点评