Microsoft：Arbor 基于假设树细化的通用自主研究框架 树灵框架让AI进化为科学家

Arbor 的通用自主科学研究框架，旨在通过假设树优化（HTR）实现长周期的科学发现。该系统由长期协调者负责制定全局研究策略，并由短期执行者在独立环境中测试具体假设，从而将零散的尝试转化为累积的研究进展。Arbor 的核心优势在于维护一棵持久的假设树，将想法、实验证据、代码工件和提炼出的见解有机结合。实验结果显示，该框架在模型训练、架构设计和数据合成等六项任务中均优于 Codex 和 Claude Code。特别是在 MLE-Bench Lite 榜单上，结合 GPT-5.5 的 Arbor 取得了目前最强的竞赛表现。这种设计通过状态外部化和见解回传机制，有效解决了 AI 智能体在长周期科研中难以维持逻辑一致性和证据重用的难题。