Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

如果你有自己的论文要解读，或者推荐论文，请留言。

今天的主题是：

Accelerating Scientific Discovery with Autonomous Goal-evolving Agents

Summary

近年来，人们对开发能够拓展科学发现边界的智能体产生了前所未有的兴趣，这类智能体主要通过优化科学家所设定的定量目标函数来开展工作。然而，对于科学中的重大挑战而言，这些目标函数仅仅是不完美的代理指标。我们认为，实现目标函数设计的自动化，是科学发现智能体的一个核心但尚未满足的关键需求。

在本研究中，我们提出了科学自主目标进化智能体（Scientific Autonomous Goal-evolving Agent，SAGA）以应对这一挑战。SAGA 采用双层架构：外层循环由大语言模型（LLM）智能体负责分析优化结果、提出新的目标，并将其转化为可计算的评分函数；内层循环则在当前目标下执行解的优化。该双层设计使系统能够系统性地探索目标空间及其权衡关系，而不再将目标视为固定输入。

我们通过一系列广泛的应用验证了该框架的有效性，包括抗生素设计、无机材料设计、功能性 DNA 序列设计以及化学工艺设计。结果表明，目标制定过程的自动化能够显著提升科学发现智能体的整体效能。

原文链接：https://arxiv.org/abs/2512.21782