一次反思不够：通过多假设失败归因实现自我修正的自主研究
TLDR
SAGE通过多假设失败归因实现自主研究代理的自我修正，在12主题基准上提升成功率和工件质量。
评分理由
The paper introduces a novel structured causal diagnosis mechanism (MHFA) for failure recovery, which is a clear strength. However, the abstract lacks details on the benchmark's real-world diversity and does not fully address limitations of the grounded reporting mechanism. The empirical results show significant improvements over baselines.
Read-first 评分解释
综合优先阅读分 72.2，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 79。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：17。
关键词评分
深度分析
创新点
- 多假设失败归因（MHFA）：一种结构化因果诊断机制，生成多个基于证据的失败解释，评估其严重性，并将验证后的根本原因确定性地路由到正确的干预级别（假设、实验设计或实现）。
- 基于事实的报告机制：将起草的结果约束为实际测量值，删除幻觉数字，确保科学诚实性。
- SAGE系统：整合MHFA和基于事实的报告，克服自主研究代理中单一自由形式反思的失败恢复瓶颈。
方法
SAGE采用MHFA分析动态轨迹特征，生成多个失败假设，评估严重性，并路由干预。基于事实的报告机制强制事实准确性。系统在包含12个主题、5个领域的基准测试中，与反思基线和AI-Scientist-v2进行对比，评估指标包括包含指标的输出、工件质量和盲评分数。
关键结果
SAGE将包含指标的输出从42%提升至92%（相比反思基线），工件质量从5.00/10提升至6.75/10，并在盲评中超过AI-Scientist-v2（52.0 vs. 48.2），增益集中在代码开发和执行方面。
局限性
- 完全自主的科学写作和生成会议级别的论文对整个领域来说仍然是众所周知的困难开放问题，SAGE并未完全解决这些问题。