A Estação: Um Ambiente de Mundo Aberto para Descobertas Orientadas por IA

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

November 9, 2025

Autores: Stephen Chung, Wenyu Du

cs.AI

Resumo

Apresentamos a STATION, um ambiente multiagente de mundo aberto que modela um ecossistema científico em miniatura. Aproveitando suas janelas de contexto estendidas, os agentes na Station podem se envolver em longas jornadas científicas que incluem ler artigos de colegas, formular hipóteses, submeter código, realizar análises e publicar resultados. É importante destacar que não há um sistema centralizado coordenando suas atividades - os agentes são livres para escolher suas próprias ações e desenvolver suas próprias narrativas dentro da Station. Experimentos demonstram que os agentes de IA na Station alcançam um novo desempenho de ponta em uma ampla gama de benchmarks, desde matemática até biologia computacional e aprendizado de máquina, superando notavelmente o AlphaEvolve no problema de empacotamento de círculos. Um rico mosaico de narrativas emerge à medida que os agentes perseguem pesquisas independentes, interagem com seus pares e constroem sobre uma história cumulativa. A partir dessas narrativas emergentes, novos métodos surgem organicamente, como um novo algoritmo de densidade adaptativa para integração de lotes de scRNA-seq. A Station representa um primeiro passo em direção à descoberta científica autônoma impulsionada por comportamentos emergentes em um ambiente de mundo aberto, representando um novo paradigma que vai além da otimização 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.