EvoMaster：开启大规模智能科学时代，让 AI Agent 像科学家一样进化

TL;DR

在 AI 辅助科学发现（AI4S）的浪潮中，我们正从“AI 作为工具”转向“AI 作为自主研究员（Agentic Science）”。上海交通大学等团队发布的 EvoMaster 是首个专为大规模科学发现设计的基础演化框架。它不仅能让开发者用约 100 行代码定义一个新学科的智能体，更通过独特的持续自演化机制，在机器学习、物理、化学等多项顶级挑战中全面超越了现有的通用智能体框架，最高提升达 316%。

痛点深挖：为什么现在的 AI 智能体“不擅长”做科研？

科学研究本质上是一个长周期、不断试错、自我修正的过程。然而，目前的智能体框架存在两大致命伤：

1. 烟囱式开发（Siloed Development）：化学智能体懂实验操作但不通用，机器学习智能体懂调参但难以迁移。每个学科都要从头构建工具链，导致“横向扩展”极难。
2. 单程思维（Stateless Execution）：大多数框架像“翻译机”，给指令出结果。如果实验失败了，它们往往无法像人类一样总结经验并在下一轮尝试中改进，缺乏“演化”的灵魂。

核心方法论：EvoMaster 的四大支柱

为了打破僵局，EvoMaster 引入了类似“操作系统”的层级设计，将科学探索抽象为四个核心能力：

1. 模块化解耦 (Modular Composability)

EvoMaster 将系统划分为 Playground（编排层）、**Exp（实验执行层）**和 Agent（智能引擎层）。这种设计支持 Model Context Protocol (MCP) 标准，意味着你可以像插拔 U 盘一样更换底层的工具和模型，只需 100 行代码即可“变身”为物理、生物或材料学专家。

2. 迭代自演化 (Iterative Self-evolving)

这是框架的“大脑”。如图所示，Agent 不再是简单的线性执行，而是进入 “推理 -> 调用工具 -> 观察结果 -> 自我批评（Self-critique）” 的闭环。为了支持数百轮的实验，EvoMaster 内置了智能上下文管理器，通过 LLM 摘要和上下文压缩防止“遗忘”。

3. 三级认知缓存机制

在处理复杂的机器学习任务（MLE-Bench）时，EvoMaster 引入了“认知缓存”：

• Prefetch：预取过去的见解。
• Round-level Promotion：在轮次间同步有效经验。
• Run-level Wisdom：将最终成功的逻辑固化为长期知识。

实验与结果：统治级的性能提升

EvoMaster 在四个极具挑战性的基准测试上进行了测试，对比对象是目前开源界声量最高的通用框架 OpenClaw。

• MLE-Bench Lite (+316%)：在 22 项 Kaggle 竞赛中，EvoMaster 拿下了绝大多数奖牌。这证明了其在处理超长周期、高强度工程任务时的稳定性。
• Humanity’s Last Exam (HLE, +202%)：在涵盖数学、计算机、人文等多学科的“专家级”考试中，EvoMaster 表现出极强的跨学科常识与推理能力。
• FrontierScience (+191%)：直接解决 PhD 级别的物理、化学、生物前沿问题，验证了其在硬核科学推理上的深度。

深度洞察：迈向 SciMaster 智能体生态

不仅仅是一个框架，基于 EvoMaster，团队已经孵化出了 SciMaster 生态，包括：

• ML-Master 2.0：自主机器学习大拿。
• PhysMaster：物理研究与推理专家。
• Browse-Master：深层网络科学信息检索。

这种“基础框架 + 领域 Skill”的模式，预示着未来科学研究的组织形式：科学家定义 Playground 规则，AI Agent 在框架下进行 24/7 的并行演化。

局限性与展望

尽管在数字世界（In Silico）表现强悍，EvoMaster 目前仍局限于计算和信息处理。它还不能直接操控实验室里的机械臂或云端化学实验室（Cloud Labs）。作者表示，未来将扩展 Session 抽象层，旨在直接连接物理实验协议，补完“科学发现闭环”的最后一块碎片。

总结： EvoMaster 不仅仅是刷榜的 SOTA 工作，它为“如何规模化构建科学 AI”提供了一套标准化、可进化的工业级方案。它告诉我们：AI 时代的科学发现，重点不在于模型有多大，而在于其演化系统有多完善。