ScienceBuddy 发布可持续改进的科研 agent 工作台

ScienceBuddy 把研究者的请求、反馈和执行证据转成新任务与评测规则。内层循环在模型不变时修改 agent harness；外层循环再用改进后的 harness 强化模型。作者公开工作台与代码，并展示四类科研任务案例。现有证据仍是作者自测的小规模案例，不是独立生产力研究。

对构建科研 agent 的团队来说，它提供了一种具体做法：从日常交互中学习，同时把 harness 修改与模型更新拆成两个可观察循环。可先试验从轨迹生成评测规则的流程，再考虑递归训练。用户反馈可能带入局部偏好或错误，因此仍需人工复核和留出集评测。

循环	内层在模型不变时演化 harness；外层用改进后的 harness 做强化学习
界面	对话、轨迹时间线、计算与结果面板
评测	覆盖四类科研任务的案例
可用性	公开产品站点与 GitHub 仓库
局限	作者自测案例；没有独立生产力或安全评估