SciMARS：多智能体递归自改进框架，闭环科研发现新突破

多智能体系统在科学发现中扮演着越来越重要的角色，它们能协同完成分析、实验设计和验证等任务。然而，现有系统普遍面临两个瓶颈：智能体之间缺乏共享记忆，导致重复劳动；固定的角色分工、交接流程和记忆策略，即便证据已经更新，错误仍会延续。近期提出的 SciMARS 框架，试图用“共享证据图 + 组件编辑器”的组合拳解决这些问题，并实现了递归式的任务局部自适应。

核心设计：共享证据图与分离式组件编辑器

SciMARS 的核心思路是将多智能体协作中的“证据”与“流程”解耦。它引入了一个共享证据图（shared evidence graph），让所有智能体都能访问统一的观测记录，避免信息丢失和重复工作。在此基础上，框架使用分离的组件编辑器来分别调整角色、协调机制和记忆策略。

具体来说，SciMARS 本体负责调整角色和协调方式；而 SciMARS + Memory 版本额外增加第三个编辑器，专门优化智能体如何记录、检索和接收证据。这种分离设计使得系统可以在不破坏已有证据的前提下，针对性地修正协作流程中的错误。

为了引导下一轮 harness 的组成和选择，框架还使用了候选探针（candidate probes）进行引导。这套机制让多智能体团队能够根据任务进展动态调整自身结构，实现递归式的自我改进。

共享证据图（Shared Evidence Graph） 是一种面向多智能体协作的结构化知识库，通常以图（节点表示观测、假设、实验结果等证据实体，边表示支撑、矛盾或时序关系）的形式组织。与各智能体私有的上下文记忆不同，它把所有智能体产生的观测集中存储并统一索引，任何成员都可读写。这样做有两个直接好处：一是避免同一证据被不同智能体重复采集或重复推理，降低算力与时间开销；二是保证推理所依据的事实基础一致，减少因信息不对称导致的冲突结论。在需要长期迭代的科研任务中，证据图还能作为可追溯的“实验台账”，使后续的流程修正有据可依。

Harness（执行框架/装配体） 在此类系统中指由多个智能体、它们各自的角色提示、协调协议与记忆接口共同组成的一个可配置执行单元。可以把它理解为“一次协作实验的完整装配方案”：谁担任什么角色、任务如何在成员间交接、证据以何种方式被检索和传入，都由 harness 的配置决定。SciMARS 的关键创新在于把 harness 当作可被编辑的对象，而非写死的程序，因此每一轮任务结束后，系统能根据表现重构下一轮的 harness 组成。候选探针则是在若干候选配置中用于试探性评估的轻量方案，帮助系统判断哪种 harness 组合更可能成功，从而把有限的尝试预算投向更有希望的配置。

实验验证：多项基准测试表现提升

研究团队通过实验数据回放和数字孪生两种方式评估科学发现能力。在 Autonomous Science Bench 上，SciMARS + Memory 解决了 18 次 GPT-6-Astra 尝试中的 12 次，以及 18 次 GLM-5.3 尝试中的 2 次；而基础多智能体团队仅解决了 8/18 和 1/18。

在 ScienceAgentBench 和 AppWorld 上，SciMARS + Memory 分别解决了 38 个任务中的 14 个和 20 个任务中的 11 个，基础团队的成绩则是 11/38 和 5/20。这些结果覆盖了科学发现和交互式任务两类场景，说明共享记忆与 harness 自适应的组合具有跨领域的泛化能力。

数字孪生（Digital Twin） 在本文的评估语境中，指为真实科学实验或工程系统构建的高保真虚拟副本，智能体在副本上执行实验设计、操作与验证，从而在不消耗真实资源、不承担安全风险的前提下检验科学发现能力。与之并列的数据回放（data replay） 则是把历史实验记录按时间顺序重新输入系统，考察智能体能否在已有观测流中复现或推进结论。两种方式互补：回放侧重对既有证据的利用与推理一致性，数字孪生侧重交互式决策与闭环验证，因此同时采用能更全面地衡量框架在科学发现场景中的表现。

启示：闭环科研需要“可进化的协作结构”

SciMARS 的价值不仅在于具体指标提升，更在于它揭示了一个方向：闭环科学发现中的多智能体系统，不能只依赖固定的角色剧本。随着实验证据不断累积，系统需要能够递归地调整自身的协作结构——包括谁负责什么、信息如何流转、记忆如何被检索。

共享证据图解决了“看到什么”的问题，分离式编辑器解决了“怎么改”的问题，候选探针则提供了“往哪改”的引导。三者结合，让多智能体团队在保持证据一致性的同时，具备了从错误中学习并重构流程的能力。对于需要长期迭代的科研任务，这种可进化的协作结构可能比单纯扩大模型规模更具实际意义。

当然，当前评估仍集中在特定基准和有限模型上，真实科研场景中的噪声、不确定性和跨学科协作复杂度尚未充分检验。但 SciMARS 提供的框架思路，为多智能体系统在科学发现领域的落地提供了一个值得关注的范式。

背景补充

递归式任务局部自适应 是理解 SciMARS 设计哲学的关键。所谓“局部”，指系统并不整体推翻协作结构，而是针对出错的具体环节（某个角色、某条协调规则或某种记忆检索方式）做定点修改；“递归”则指这种修改会在多轮任务中反复发生——每轮结束后依据证据与结果评估，生成新的 harness 配置，再投入下一轮，形成自我改进的循环。与一次性手工设计智能体流程相比，这种方式让系统能随证据累积持续纠错，但也对评估信号的可靠性提出更高要求：若反馈本身有噪声，递归修正可能放大而非消除错误，这也是该框架走向真实科研场景需要面对的挑战。