EurekAgent：面向自主科学发现的环境工程代理系统

本文提出EurekAgent系统，通过环境工程方法从权限、产物、预算和人机协作四个维度优化代理执行环境，在数学、内核工程和机器学习任务上取得SOTA成果，包括以不到11美元API成本发现26圆填充问题的新最优解。原作者团队发布于arXiv（2026-06-11），原文链接：http://arxiv.org/abs/2606.13662v2。

科学发现的自动化趋势

基于大语言模型（LLM）的代理在自动化科学发现方面潜力显著，能提出、验证和迭代解决方案，甚至超越人类设计。

瓶颈转移

随着模型能力提升，自主科学发现的瓶颈从代理工作流设计转向代理环境设计——关注塑造代理行为的资源、约束和接口，为提升可靠性开辟新方向。

环境工程定义

构建环境以增强高效行为（开放式探索、系统化产物管理、代理协作），抑制有害行为（奖励作弊、高摩擦人工监督）。

与提示工程的区别

提示工程聚焦输入提示引导输出，环境工程则通过系统性约束和资源分配塑造代理行为，是更高层次的优化方法。

EurekAgent从四个维度优化环境：

1. 权限工程：定义执行边界，隔离评估环境，权限分级平衡自由度与风险；
2. 产物工程：结构化产物管理（代码/数据/文档），集成Git版本控制，支持多代理协作；
3. 预算工程：实时成本监控，智能资源分配，自适应探索策略；
4. 人机协作工程：直观交互界面，关键决策人工审核，灵活干预接口。

任务覆盖

在数学（几何优化等）、内核工程（性能优化）、机器学习（架构设计）领域取得SOTA。

26圆填充突破

发现新最优解，API成本不到11美元，成本效益远超传统方法。

成本效益

传统方法需数周/月人力，EurekAgent以极低成本实现突破，推动大规模自动化探索。

开源贡献

开源代码和结果，支持可重复性、社区扩展和透明度。

新研究范式

呼吁将环境工程作为核心方向：从提示设计转向环境设计，从单代理能力转向交互，从完全自动化转向高效人机协作。

跨学科影响

理念可应用于软件工程、教育技术、机器人技术、科学研究等领域。

当前局限

1. 领域特定性：主要针对科学发现任务；
2. 环境设计复杂度：需领域专业知识；
3. 评估标准：量化环境工程效果的开放问题。

未来方向

1. 通用环境框架；
2. 自动环境优化（元学习）；
3. 多代理环境设计；
4. 伦理与安全集成。

EurekAgent通过四个维度的环境工程，提供高效、可靠、可控的自主科学发现解决方案，取得多领域SOTA并实现低成本突破。研究呼吁将环境工程作为核心研究方向，推动自主代理技术发展和科学研究自动化转型。