突破自動化科學發現：EurekAgent 透過「環境工程」最佳化 AI 代理人的研究效能與協作

本研究推出 EurekAgent 系統，主張「環境工程」是自動化科學發現的關鍵。透過優化資源、權限與協作介面，大幅提升 LLM 代理人在數學與機器學習任務中的表現與可靠性。

Problem

現有的 LLM 代理人在自動化科學發現中，研發瓶頸已從工作流設計轉向環境配置。缺乏完善的資源、限制與介面，常導致代理人產生獎勵作弊行為、增加人機互動摩擦，且難以系統化地管理複雜的研究產出與多代理人協作。

提出 EurekAgent 系統，其核心在於四大維度的「環境工程」：權限工程確保受限執行與隔離評估、產出工程結合檔案系統與 Git 進行版本管理、預算工程實現具成本意識的探索，以及人機協作工程簡化監督與人工介入流程。

在多項數學、核心工程與機器學習任務中取得領先（SOTA）成績。值得注意的是，該系統僅花費不到 11 美元的 API 成本，即在 26 圓包裝（26-circle packing）問題中發現了超越以往的最佳解。研究團隊已開源所有程式碼與實驗結果。

本研究重新定義了開發自主科學代理人的方向，證明「環境工程」是推動科學發現比精確規定工作流程更有效的關鍵。這為未來建構具備開放式探索能力且高度可靠的 AI 研究助理，提供了重要的系統設計框架與核心研究路徑。