Épi：迈向持久、自我改进的自主研究智能体
TLDR
Épi 是具备持久记忆与自我改进能力的自主研究智能体，产出创纪录数学结果、计算机辅助证明及改进的算法编码求解器。
评分理由
The paper presents a strong empirical demonstration of an autonomous research agent achieving notable mathematical and algorithmic results, with clear methodology involving persistent history, memory, and verification. Weaknesses include limited evidence of generality beyond specific problem families and no mention of literature review or paper writing capabilities.
Read-first 评分解释
综合优先阅读分 59.6，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 70。
研究版图角色
排序敏感性
稳定性：volatile；排名波动范围：52。
关键词评分
深度分析
创新点
- 持久且自我改进的自主研究智能体，能够在模型会话之间持续开展研究，并通过积累的经验改进自身方法。
- 结合持久研究历史、分层记忆、分支与独立评审，以维持连续性、从实验中学习，并探索或重新审视替代方案。
- 实验跨会话边界运行，并由固定验证器评估输出。
- 通过 Épi-turbo 将研究过程扩展到算法编码；Épi-turbo 是一种轻量级配置，可开发可执行求解器。
方法
Épi 维护持久研究历史和分层记忆，使用分支与独立评审，并让实验跨会话边界运行，由固定验证器评估输出。Épi-turbo 在 30 个 FrontierOR 任务上、在与 Codex 相同底层模型和推理努力条件下进行评估，比较总体基准分数和模型成本。
关键结果
Épi 产生了 120 项创纪录结果：12 个族中的 20 项数值界纪录和 8 个族中的 100 项构造纪录。它将 n 皇后常数的区间缩小约 84 倍，将四次 Feigenbaum 吸引子维数的严格区间缩小超过 360 万倍；通过精确对偶证书证明 Cohn-Elkies 线性规划界在维度 10 和 11 中不能达到最优；并给出了 Tuza 猜想在具有八顶点团部分和至多三种三角形活跃邻域类型（具有任意重数）的分割图上的计算机辅助证明。Épi-turbo 在 30 个 FrontierOR 任务上以 Codex 模型成本的 64% 实现了比 Codex 高 5.4% 的总体基准分数。