摘要
EvoMap AutoResearch 是从研究方向发现走到 pilot、完整实验、critic 和 blind review 的可恢复开源 workflow，强调证据包和负结果保留。
核心内容
基本信息
- 实体类别：端到端 AI/ML research-agent runtime。
- 关键名称或版本：
EvoMap/AutoResearch；Apache-2.0。 - 时间范围：2026-08-15 创建；2026-09-01 推送；2026-09-03 核实。
重要事实
- 计划、代码、队列、日志、指标、失败原因、critic 和 blind review 都写入磁盘；pilot 可以触发扩展、改计划或带负结果停止。（来源：Autoresearch GitHub 开源生态审计）
- 核实时为 303 stars，代码树约 219 个文件、91 个测试文件，最近主分支 CI 成功；实际实验仍需模型端点以及课题对应的 CPU/GPU、数据和磁盘。（来源：Autoresearch GitHub 开源生态审计）
关系与影响
相较单指标 loop，它更接近 Autoresearch 的完整科研生命周期；与 Argus 都强调状态和审核，但前者更聚焦 AI/ML 实验流水线。
分歧与变化
测试覆盖的是 runtime 合同，不等于系统生成的研究发现已经被独立复现。
相关页面
- 概念：Autoresearch、Harness Engineering、Execution-Based Agent Evaluation
- 实体：EurekAgent、Argus、Principia、Anti-Autoresearch
- 主题：Autoresearch 开源生态、LLM Agent Self-Improvement
来源
待核实问题
- 需公开、可重跑的完整项目案例来验证 blind review 独立性、失败恢复和长期成本。