ScienceBuddy: Recursive-in-Recursive Self-Improvement for Interactive Scientific Agents
ScienceBuddy：交互式科学智能体的递归自改进
🧭 科学智能体 · 递归自改进
发布 ScienceBuddy 科学工作空间，以递归内外双循环耦合 harness 演化与模型强化学习
📌 工作参考价值
- 将用户反馈转化为训练任务与评估 rubrics：电商/推荐 Agent 可借鉴，把用户点击、拒绝、改写等交互行为和执行结果自动转成带评分的训练样本，持续优化推荐策略，而非只靠离线日志。
- 内外双循环解耦模型与工具链迭代：内层固定模型优化工具/harness，外层在改进后的 harness 下训练模型。业务上可先完善 Agent 的工具调用、API 接口、记忆管理等，再逐步 RL 训练模型，降低同时改动带来的不稳定。
- 多模态工作空间 + 模块化工具集成：ScienceBuddy 的 224 tools / 22 modules 架构启示电商 Agent 平台可将商品图、评论、表格、用户序列等不同模态数据统一接入，按任务模块化编排工具，支持快速扩展。
- 执行证据纳入持续学习：把 Agent 执行过程中的中间步骤、失败信号作为训练经验，可用于改进搜索推荐 Agent 的 query 改写、商品对比、决策链路，提升可解释性与可靠性。
动机：现有科学 Agent 多为固定模型，难以从研究者日常协作中持续改进。作者认为智能体应像人类一样通过长期经验积累提升能力。
方法关键点：ScienceBuddy 是一个交互式科学工作空间，支持多模态文档、图像、表格、生物序列，集成 224 个工具、22 个功能模块，覆盖基因组学、分子/癌症生物学、药理学、生物成像、文献检索等。其核心是 recursive-in-recursive self-improvement：内层递归在模型固定时改进 harness（工具、任务定义、评估 rubrics），外层递归在改进后的 harness 下用强化学习训练模型。harness 演化塑造训练经验，模型学习又为 harness 调整创造新机会，形成双层协同进化。工作空间将研究者的请求、反馈和执行证据转化为任务与评估标准，用于持续学习。
关键结果：论文展示了研究者交互、harness 改进和模型学习的 case studies，基准案例覆盖四类科学任务家族；通过发布产品形态的 ScienceBuddy，将这一范式开放给科学社区，朝向 discovery intelligence 迈进。