IDEAgent：利用質量多樣性搜尋提升科研構想生成的代理框架
為何重要
這項研究將創新視為在探索與修正間的動態平衡，對於希望利用 AI 加速研發週期的產業界與開發者具有深遠意義，提供了突破既有框架的具體方法論。 它證明瞭 QA/Diversity search 對於 AI 自主研究的重要性，標誌著從標準任務執行向強調邏輯嚴謹性與非顯而易見創新轉型的技術方向。
現有的 LLM 系統在自動進行科學發現時，常因單軌追求品質或多樣性而導致構想過度相似或膚淺。
本研究提出 IDEAgent，一個將研究構想生成視為 Quality-Diversity (QD) 搜尋問題的多代理框架。
該框架透過血統管理結合多目標回饋與輕量化記憶運作，同時最佳化構想品質及多樣性。
在 8 個電腦科學領域的 32 個主題評測中，IDEAgent 在 Yield 指標上領先最佳基準 3.89 倍，並在 8 倍 主題上產出有效果的構想。