刷屏数周后，陈德里的 AutoResearch SKILL 终于开源了

📌 一句话摘要

本文报道了陈德里的 AutoResearch SKILL 正式开源，详细介绍了其解决长周期 Agent 任务中认知循环、停滞和运行时脆弱性三类问题的框架机制、论文写作流程以及第四篇 self-play 论文的关键实验发现。

📝 详细摘要

文章首先回顾了陈德里的 AutoResearch 项目在刷屏数周后正式开源，并介绍了其产出的四篇论文（总计 265 页、1158 条引用）。核心内容分为两部分：一是详细解读了开源 SKILL.md 的框架机制，包括状态保存、停滞检测、心跳守护和工程约束，以及编排层、工作 Agent 和守护层的三层架构；二是介绍了 paper-writing skill 的五个子流程（文献、结构、实验、图表、模拟评审）和 Quality Gates。文章重点分析了第四篇 self-play 论文《Self-Play in the Age of Foundation Models》，该论文通过 285B GRPO 实验验证了验证信号噪声对 self-play 效果的影响，并展示了论文经过 16 轮模拟评审、分数从 8.0 提升至 8.6 的迭代过程。文章最后列出了框架的输出统计和限制，强调分数仅适用于纵向比较，并指出引用和实验数据仍需进一步核查。

💡 主要观点

- AutoResearch SKILL 的核心是解决长周期 Agent 的三大工程问题：认知循环、停滞和运行时脆弱性。 框架通过状态文件持久化进度、停滞检测机制（基于新发现数量和指标变化）和独立的心跳守护层来应对这些问题，而非依赖模型能力的提升。

框架采用编排层、工作 Agent 和守护层的三层架构，并强制分离执行与评估。 编排层负责读取状态、检测停滞和生成新方向；工作 Agent 处理具体任务；心跳守护负责检查、重启和唤醒。关键设计是每次迭代使用全新会话而非恢复旧会话，以避免上下文积累导致的认知循环。

第四篇 self-play 论文通过 285B GRPO 实验证明，验证信号的质量是 self-play 效果的关键瓶颈。 实验设置了四档噪声水平，结果显示训练分布上的改进随噪声升高而单调下降（从 +4.8% 到 -6.6%），表明信号足够干净时 self-play 有效，噪声升高后训练分布开始退化。

论文写作流程通过五个子流程和 Quality Gates 实现自动化，并经过 16 轮模拟评审迭代。 paper-writing skill 将论文写作分为文献、结构、实验、图表和模拟评审五个子流程，并设置了阶段路由和最终 Quality Gates。第四篇论文经过 16 轮评审，分数从 8.0 提升至 8.6，期间因引用问题被降分，修复后回升。

💬 文章金句

- The common cause of all three is missing engineering scaffolding， not insufficient model capability.

• Separate execution from evaluation --- the agent doing the work does not judge its own progress; stall determination is made by the orchestration layer based on quantitative metrics.
• Pivot structure， not tactics comes from practice: when a task stalls repeatedly within a frame， the decisive gain usually comes from correcting the environment/structural constraint itself， not from tuning strategy parameters harder inside the existing frame.

📊 文章信息

AI 初评：86

来源：PaperWeekly

作者：PaperWeekly

分类：人工智能

语言：中文

阅读时间：16 分钟

字数：3825

标签： AI Agent, LLM, 自主科研, Self-Play, 开源项目

阅读完整文章