AutoResearch：洞察入，幻觉出
TLDR
AutoResearch 两阶段系统：生成有依据的研究想法，以证据评审执行实验，提升基准性能并减少不可靠结果。
评分理由
The paper presents a clear two-stage architecture with mechanisms for grounded idea generation and evidence-based execution, supported by benchmark evaluations and audit comparisons. However, the abstract provides limited detail on baselines, scope, and limitations, making full assessment difficult.
Read-first 评分解释
综合优先阅读分 60.5，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 71。
研究版图角色
排序敏感性
稳定性：volatile；排名波动范围：26。
关键词评分
深度分析
创新点
- 连接 Idea Generation 与 Idea Execution 的两阶段系统，确保科学严谨性
- Idea Generation：持续整合新兴研究信号与领域知识，识别可迁移的机制性洞见，通过多模型生成与交叉评审产生有依据、可检验的研究计划
- Idea Execution：协调智能体将计划分解为实验，迭代实施并诊断实验，在接受结论前采用独立的基于证据的评审
- 基于证据条件决定继续、修订或终止研究方向，并检测/纠正不可靠的实验结果
方法
AutoResearch 是一个两阶段系统：Idea Generation 利用多模型生成与交叉评审，结合整合的研究信号和领域知识，产生可检验的计划；Idea Execution 部署协调智能体，将计划分解、迭代实施并诊断实验，并应用独立的基于证据的评审。系统在跨模态检索、系统优化和基准驱动的机器学习上评估，使用平均召回率（mean Recall）和经审计确认的问题事件等指标。
关键结果
在 RSICD 基准上，AutoResearch 生成的一个想法将平均召回率（mean Recall）从 32.84 提升至 34.69，且仅有 5 次经审计确认的问题事件，而其他自主系统为 11-27 次，展示了可衡量的进展、错误检测和基于证据条件的决策。