AIM：面向自动化研究的智能体式创意管理框架

arXiv:2609.38445v1 公告类型：新提交 摘要：前沿 LLM 正越来越多地通过迭代式搜索来自动化科学研究。我们将 idea 驱动的搜索（idea-driven search）与 solution 驱动的搜索（solution-driven search）区分开来，并识别出三大核心挑战：组织不断演进的研究 idea、筛选有前景的方向，以及维持 idea 与其具体实现之间的一致性。为应对这些挑战，我们提出了 Agentic Idea Manager（AIM），这是一个面向 idea 驱动自动化研究、用于管理和探索研究方向的全自主框架。受贝叶斯优化启发，AIM 采用 Agentic Surrogate 与 Agentic Acquisition 机制来组织已发现的 idea 并引导其选择。Solution Auditor 负责维护 idea 与 solution 的完整性，Resource Planner 则在并行搜索分支之间自适应地分配剩余实验预算。在 10 项 AutoLab benchmark 任务上的实验表明，AIM 在 System Optimization 任务上比最强 baseline 高出 1.6 个百分点，在长周期 Model Development & CUDA 任务上高出 4.9 个百分点。值得注意的是，AIM 达到最佳 baseline 性能所需 wall-clock 时间最多可缩短 3.1 倍。我们还进一步从理论上分析了在何种条件下对 idea 进行搜索才会带来收益。分析表明，显式的 idea 级分配使语义覆盖度变得直接可控；而当有竞争力的研究方向在大量看似合理的备选方案中较为稀缺时，更广泛的覆盖将愈发有价值。项目页面：https://imhgchoi.github.io/agentic-idea-manager/