长期研究：问题不在于单次查询
自主研究人员与普通聊天代理处于完全不同的现实之中。它需要提出假设、验证假设、发现错误、重写脚本、运行实验，有时还需要回退到之前的模型版本。这样的循环可能持续数小时，而每一步的价值只有到最后才能显现。
大多数自动研究代理在这方面都做得不好。连续性机制几乎不存在：如果实验陷入死胡同，代理不知道如何恢复丢失的线索。也没有根据当前结果的有用程度重新分配计算资源的功能。结果，搜索变得松散，计算资源被浪费，而将工作推进到底的可能性也随之降低。
新方法的运作方式
ScienceFlow框架正是为了解决这些问题而设计的。其作者——一个由19名研究人员组成的团队——提出了一种用于自主科学实验的端到端架构。代理并非“按单次提示”行动：它构建一条漫长的研究轨迹。
在内部，工作被划分为研究片段。每个片段都与一个可执行的工作空间绑定：脚本、数据和环境都存放在那里。研究进展不是零散的文本笔记，而是可恢复的可执行状态。这种状态可以从磁盘“加载”，重新研究、重新组装并再次运行。借助这一点，代理可以轻松回到过去的某个点并尝试另一条分支，而不是从头开始。
ESTRA：如何选择下一个分岔点
关键细节是通过ESTRA（可执行状态重锚定转换）机制实现状态间的转换。在每一步，代理都会查看两种状态：活跃状态（可以立即继续）和存档状态（已经产生了一些结果）。但它选择的不仅仅是一个新点，而是进一步移动的锚点。然后确定方案：是继续从该状态推进，还是将研究转向另一个方向。
这种方法解决了长期实验的主要痛点——“卡住”的代理效应，即代理因为不知道如何回退而继续深入无望的分支。
考虑结果执行的控制器
框架的另一层是考虑已确认结果的控制器。它根据三个因素在单个计算任务之间分配资源：算力可用性、剩余预算以及已确认的进展。如果某个方向不再产生可衡量的结果，控制器可以削减其份额，并将资源重新导向到真正能看到进展的地方。这不是一个“贪婪”的任务调度器，而是一种在目标范围内维持整体策略的方式。
测试显示了什么
在测试中，该框架不仅覆盖了经典的机器学习，还涵盖了科学建模和数学优化。获得的结果表明，该系统能够高效地进行长时间的研究会话，而不会将其变成一连串无休止的无关步骤。
最显著的结果是在24小时预算内完成完整的MLE-bench：Any-Medal指标达到70.22%。这比之前公布的结果高出4.92个百分点。考虑到MLE-bench测试的是真实的机器学习场景，这是一个强烈的信号：过程的稳健性有时比模型的原始智能更重要。
这对自主科学意味着什么
论文作者提出了一个重要结论：对于扩展自主研究，状态管理、自适应探索以及与目标一致的执行具有决定性意义。仅仅拥有出色的推理能力是不够的——还需要一个不让代理丢失先前成果并帮助其及时转向的基础设施。
这似乎是LLM助手向真正自主研究系统迈进的下一步。在长周期上的工作不再“与模型的简短对话”，而是变成一个工程问题：如何构建一个过程，使每个版本的实验都保持可访问，每个结果都得到验证，而每一步都源于已确认的进展。
