ScientistOne：通過證據鏈實現人類水平的自主研究

研究團隊針對自主研究代理在學術論文生成中常見的不可驗證問題提出解決方案，這些問題包括虛假引用、不可重現的評分結果，以及方法描述與實際實現不符。為應對這些表面評估無法發現的缺陷，團隊推出了 Chain-of-Evidence（CoE）框架，要求每一個論述都必須能追溯至其證據來源。

基於此框架開發的 ScientistOne 系統，是一個端到端的自主研究系統，能在文獻回顧、方案發現和論文寫作的全過程中構建並維護證據鏈。該系統在跨越多個系統與五個前沿研究任務的 75 篇論文測試中，實現了零虛假引用（337 篇中 0 篇）、完美的評分驗證（12/12），以及最高的方法與代碼一致性（14/15），其表現匹配或超越了人類專家在所有五個任務中的水平。

作為對比，所有基線系統在測試中至少存在一種系統性失敗模式：虛假引用率高達 21%，評分驗證通過率低至 42%，而方法與代碼的一致性則在 20% 至 80% 之間波動。此外，團隊推出了 CoE Audit 工具，透過評分驗證、規範違規檢查、參考文獻驗證以及方法與代碼一致性檢查這四項完整性檢驗，對任何自主研究系統進行事後審查。

ScientistOne 進一步在六個額外任務中展現泛化能力，涵蓋醫學影像、細粒度識別、3D 感知和語言建模，並在 Parameter Golf 上達到最優狀態，同時在 MLE-Bench 任務中獲得金牌，而基線系統在這些任務中完全失敗。