摘要
EurekAgent 把 autoresearch 的主要设计对象从固定工作流转向执行环境：控制器提供隐藏评估、隔离工作区、持久产物、预算和人工干预界面，通用 CLI Agent 在这些边界内自由选择研究策略。它展示了环境工程如何支持指标驱动的长期实验，但没有通过逐组件消融证明四类环境机制的独立贡献。（来源：原始论文记录（本地存档），pp.3-9）
核心内容
PREPARE -> PROPOSE -> IMPLEMENT将环境准备、跨轮证据汇总和同轮并行实现分开；同轮方案互不可见，上轮代码、日志和分数则成为下一轮共同状态。（来源：原始论文记录（本地存档），pp.4-6）- 隐藏 grader 位于 Agent 容器外，官方结果文件由控制器管理，GPU 通过默认拒绝的租约接口分配；这些是防泄漏、改分和资源争用的系统边界，不只是提示词约束。（来源：原始论文记录（本地存档），p.5）
- 作者报告数学、kernel 和七项 MLE-Bench Lite 子集上的改善；TriMul 是本地重评，MLE 每题单次运行且子集经过筛选，数字应保留这些适用范围。（来源：原始论文记录（本地存档），pp.7-9, 12）
- 基础模型参数不更新，持续改变的是候选研究代码与跨轮产物；因此它是 autoresearch 环境与持久执行支架，而不是严格 Agentic RL 或改进 improver 的 RSI。
相关页面
- 概念：Autoresearch、Harness Engineering、Execution-Based Agent Evaluation、Recursive Self-Improvement
- 实体：EurekAgent
- 主题：LLM Agent Self-Improvement
来源
- 原始文件：原始资料（本地存档）
- arXiv：https://arxiv.org/abs/2606.13662
- alphaXiv：https://www.alphaxiv.org/abs/2606.13662
- 官方仓库：https://github.com/THU-Team-Eureka/EurekAgent
- 定位信息：pp.1-9, 12；官方仓库快照核实于 2026-09-03
待核实问题
- 论文结果尚未独立复现；四类环境工程缺少逐项消融。
- 需跟踪完整 benchmark 的多随机种子结果、评估器抗投机测试与仓库自动化测试/CI。