Agon: An Autonomous Large-Scale Omnidisciplinary Research System Built on Prompt Economy
作者: Youran Sun, Xingyu Ren, Chugang Yi, Jiaxuan Guo, Kejia Zhang, Jianda Du, Haizhao Yang
分类: cs.SE, cs.AI, cs.CL, cs.MA
发布日期: 2026-06-23
💡 一句话要点
提出Agon以实现大规模跨学科研究的自动化
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 自动化研究 跨学科 提示经济 大规模并行 零代码
📋 核心要点
- 现有研究方法在判断主张时依赖人类，导致效率低下和可扩展性不足。
- Agon通过自动化验证工作流程中的可检查内容，减少人类干预，提高研究效率。
- 在444次实验中，Agon展示了良好的可扩展性，并揭示了新的失败类型，为未来研究提供了重要见解。
📝 摘要（中文）
大型语言模型正在使研究生产变得可扩展，将瓶颈从生产成果转移到判断主张。本文提出了Agon，一个研究协调器，能够验证工作流程中可检查的内容，并将剩余的判断留给人类科学家。Agon基于六个设计原则构建：提示经济、面向未来、最小提示、跨学科、大规模并行和零代码。我们在多个领域进行了444次提示经济循环的实验，使用小的起始主题且没有人类编写的实验代码。这些实验展示了可扩展性，同时暴露出新的失败类别，并将这些失败按严重性、可修复性、可见性和能力位置进行分类。这些结果表明，Agon正在推动研究向新的范式发展：机器规模，人类引导。
🔬 方法详解
问题定义：本文旨在解决现有研究方法在判断主张时的低效问题，尤其是人类干预带来的瓶颈和可扩展性不足。
核心思路：Agon的核心思路是通过自动化验证可检查的内容，减少人类的判断需求，从而提高研究的效率和可扩展性。
技术框架：Agon的整体架构包括多个模块，首先是提示生成模块，其次是验证模块，最后是结果反馈模块。整个流程通过循环迭代来优化研究过程。
关键创新：Agon的关键创新在于其提示经济原则和零代码设计，使得用户无需编写代码即可参与研究，显著降低了技术门槛。
关键设计：在设计中，Agon采用了最小提示策略，确保系统能够在最少的信息输入下进行有效的验证，同时通过并行处理提高了整体效率。实验中未使用人类编写的代码，进一步验证了其自动化能力。
🖼️ 关键图片
📊 实验亮点
在444次实验中，Agon展示了良好的可扩展性，能够在没有人类编写代码的情况下有效运行。实验结果表明，Agon能够自动识别并分类新的失败类型，为研究提供了重要的反馈和改进方向。
🎯 应用场景
Agon的潜在应用领域广泛，包括科学研究、工程开发和数据分析等。其自动化验证能力可以帮助研究人员快速筛选和验证假设，提高研究效率，降低人力成本。未来，Agon有望在科研领域引领新的工作方式，推动跨学科合作与创新。
📄 摘要（原文）
Large language models are making research production scalable, shifting the bottleneck from producing artifacts to judging claims. We present \textsc{Agon}, a research orchestrator that validates what can be checked inside the workflow and leaves the remaining judgments to human scientists. \textsc{Agon} is built on six design principles: Prompt Economy, Future-Facing, Minimal Prompts, OmniDisciplinary, Massive Parallelism, and Zero-Code. We ran \textsc{Agon} across domains for 444 iterations of Prompt Economy loops, using only small starting topics and no human-written experimental code. These deployments demonstrate scalability while exposing new classes of failure. We organize these failures into a taxonomy along severity, fixability, visibility, and capability locus. The taxonomy separates failures the loops can see and fix from those that require human judgment. Together, these results show that \textsc{Agon} is pushing research toward a new paradigm: machine scales, human steers.