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。
ScienceBuddy 发布可持续改进的科研 agent 工作台
2026-09-16前沿观察TRIAL
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。
可用状态：公开产品站点与 GitHub 仓库
本文来自既有扫描档案。迁移保留原判断，不代表在迁移时重新核验。
对你意味着什么
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。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| 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 |
技术影响 4
工程价值 4
采用信号 1
成熟度 2
验证成本 3
风险 4