Resumen: Automatizar el proceso de investigación científica de un extremo a otro plantea un desafío fundamental: requiere tanto desarrollar planes de alto nivel que sean novedosos y sólidos, como ejecutar estos planes correctamente en medio de condiciones dinámicas e inciertas. Para abordar este desafío de dos niveles, proponemos un novedoso marco de doble agente multiagente (DLMA) para resolver automáticamente el problema de investigación dado. El circuito líder, compuesto por profesores agentes, es responsable de desarrollar los planes de investigación. Emplea un algoritmo evolutivo a través de reuniones de participación, mejora e integración para generar y refinar de forma iterativa un conjunto de propuestas de investigación, explorando el espacio de soluciones de manera efectiva. El circuito de seguidores, compuesto por agentes estudiantes de doctorado, es responsable de ejecutar el plan mejor desarrollado. Ajusta dinámicamente el plan durante la implementación a través de reuniones pre hoc y post hoc, asegurando que cada paso (por ejemplo, redacción, codificación) esté bien respaldado por observaciones contextuales y externas. Amplios experimentos en puntos de referencia como ACLAward y Laboratory muestran que DLMA genera artículos de investigación que logran puntuaciones de última generación en evaluación automatizada, superando significativamente las líneas de base sólidas. Los estudios de ablación confirman las funciones críticas de ambos bucles: la evolución impulsa la novedad y la ejecución garantiza la solidez.
Publicado originalmente en export.arxiv.org el 8 de octubre de 2025.
Ver fuente original
