AI 精选动态
智能评分 62
AutoResearchClaw
AI 推荐理由
建议点开原文查看其“失败—修复—验证—人类介入”闭环设计，以及 ARC-Bench 和人类协作设置的具体实验条件。核心解读
来自 Meta、Stanford、Google 等实验室的论文提出 AutoResearchClaw（arxiv:2605.20025），讨论如何让自动化研究在 AI 出错、恢复、并在合适时机请求人类介入时表现更好。论文强调将辩论、修复、验证、记忆和选择性人类输入纳入同一个受治理的循环，而不是单纯提高自治程度。作者报告，在 ARC-Bench 上该系统相较 AI Scientist v2 提升 54.7%，其中结果分析环节提升最明显；在人类协作结果上，CoPilot 的接受率为 87.5%，全自动为 25%，逐步监督为 50%。