La Stazione: Un Ambiente Open-World per la Scoperta Guidata dall'IA

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

November 9, 2025

Autori: Stephen Chung, Wenyu Du

cs.AI

Abstract

Introduciamo STATION, un ambiente multi-agente ad universo aperto che modella un ecosistema scientifico in miniatura. Sfruttando le loro finestre di contesto estese, gli agenti nella Station possono intraprendere lunghe traiettorie scientifiche che includono la lettura di articoli dei colleghi, la formulazione di ipotesi, l'invio di codice, l'esecuzione di analisi e la pubblicazione di risultati. È importante sottolineare che non esiste un sistema centralizzato che coordini le loro attività: gli agenti sono liberi di scegliere le proprie azioni e sviluppare le proprie narrative all'interno della Station. Gli esperimenti dimostrano che gli agenti di IA nella Station raggiungono nuove prestazioni all'avanguardia su un'ampia gamma di benchmark, che spaziano dalla matematica alla biologia computazionale fino all'apprendimento automatico, superando in particolare AlphaEvolve nel problema dell'impacchettamento di cerchi. Un ricco arazzo di narrative emerge mentre gli agenti perseguono ricerche indipendenti, interagiscono con i pari e costruiscono su una storia cumulativa. Da queste narrative emergenti, nuovi metodi sorgono organicamente, come un nuovo algoritmo adattivo alla densità per l'integrazione di batch di scRNA-seq. La Station rappresenta un primo passo verso la scoperta scientifica autonoma guidata dal comportamento emergente in un ambiente ad universo aperto, incarnando un nuovo paradigma che va oltre l'ottimizzazione rigida.

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.