La Estación: Un entorno de mundo abierto para el descubrimiento impulsado por IA

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

November 9, 2025

Autores: Stephen Chung, Wenyu Du

cs.AI

Resumen

Presentamos STATION, un entorno multiagente de mundo abierto que modela un ecosistema científico en miniatura. Aprovechando sus ventanas de contexto extendidas, los agentes en la Station pueden emprender largas trayectorias científicas que incluyen leer artículos de sus pares, formular hipótesis, enviar código, realizar análisis y publicar resultados. Es importante destacar que no existe un sistema centralizado que coordine sus actividades: los agentes son libres de elegir sus propias acciones y desarrollar sus propias narrativas dentro de la Station. Los experimentos demuestran que los agentes de IA en la Station alcanzan un nuevo rendimiento de vanguardia en una amplia gama de benchmarks, que abarcan desde matemáticas hasta biología computacional y aprendizaje automático, superando notablemente a AlphaEvolve en el empaquetamiento de círculos. Surge un rico tapiz de narrativas mientras los agentes persiguen investigaciones independientes, interactúan con sus pares y se basan en una historia acumulativa. De estas narrativas emergentes, surgen métodos novedosos de forma orgánica, como un nuevo algoritmo adaptativo de densidad para la integración de lotes de scRNA-seq. La Station marca un primer paso hacia el descubrimiento científico autónomo impulsado por el comportamiento emergente en un entorno de mundo abierto, representando un nuevo paradigma que trasciende la optimización rígida.

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.