Die Station: Eine offene Umgebung für KI-gesteuerte Entdeckungen

The Station: An Open-World Environment for AI-Driven Discovery

November 9, 2025

papers.authors: Stephen Chung, Wenyu Du

cs.AI

papers.abstract

Wir stellen die STATION vor, eine Open-World-Multi-Agenten-Umgebung, die ein miniaturisiertes wissenschaftliches Ökosystem modelliert. Durch ihre erweiterten Kontextfenster können Agenten in der Station lange wissenschaftliche Prozesse durchlaufen, die das Lesen von Artikeln ihrer Kollegen, das Formulieren von Hypothesen, das Einreichen von Code, das Durchführen von Analysen und das Veröffentlichen von Ergebnissen umfassen. Entscheidend ist, dass es kein zentrales System zur Koordination ihrer Aktivitäten gibt – die Agenten sind frei, ihre eigenen Aktionen zu wählen und ihre eigenen Narrative innerhalb der Station zu entwickeln. Experimente zeigen, dass KI-Agenten in der Station auf einer Vielzahl von Benchmarks, von Mathematik über Computerbiologie bis hin zu maschinellem Lernen, neue state-of-the-art Leistungen erzielen und dabei insbesondere AlphaEvolve im Bereich der Kreispackung übertreffen. Es entsteht ein reiches Geflecht von Narrativen, während die Agenten unabhängige Forschung betreiben, mit Kollegen interagieren und auf einer kumulativen Geschichte aufbauen. Aus diesen emergenten Narrativen entstehen neuartige Methoden auf organische Weise, wie beispielsweise ein neuer dichteadaptiver Algorithmus zur scRNA-seq-Batch-Integration. Die Station markiert einen ersten Schritt hin zu autonomer wissenschaftlicher Entdeckung, die durch emergentes Verhalten in einer Open-World-Umgebung angetrieben wird, und repräsentiert ein neues Paradigma, das über rigide Optimierung hinausgeht.

English

We introduce the STATION, an open-world multi-agent environment that models a miniature scientific ecosystem. Leveraging their extended context windows, agents in the Station can engage in long scientific journeys that include reading papers from peers, formulating hypotheses, submitting code, performing analyses, and publishing results. Importantly, there is no centralized system coordinating their activities - agents are free to choose their own actions and develop their own narratives within the Station. Experiments demonstrate that AI agents in the Station achieve new state-of-the-art performance on a wide range of benchmarks, spanning from mathematics to computational biology to machine learning, notably surpassing AlphaEvolve in circle packing. A rich tapestry of narratives emerges as agents pursue independent research, interact with peers, and build upon a cumulative history. From these emergent narratives, novel methods arise organically, such as a new density-adaptive algorithm for scRNA-seq batch integration. The Station marks a first step towards autonomous scientific discovery driven by emergent behavior in an open-world environment, representing a new paradigm that moves beyond rigid optimization.