---
title: "Autonomous Optimization (AO)"
created: 2026-06-24
updated: 2026-06-24
type: concept
tags: ["autonomous-research", "task-formulation", "evaluation"]
sources:
  - "[[arbor-htr-2026]]"
---

# Autonomous Optimization (AO)

AO 是 Arbor 提出的自主科研任务形式化模型：P = (M0, O, Edev, Etest)，Agent 通过迭代实验改进研究产物，无需步骤级人工监督。

## 四元组

| 元素 | 含义 | 约束 |
|------|------|------|
| **M0** | 可变初始产物（代码库+数据） | Agent 可检查、修改 |
| **O** | 改进目标（指标方向） | 标量目标，越大越好 |
| **Edev** | 开发评估器 | 搜索期间自由使用 |
| **Etest** | Held-out 评估器 | 仅用于 merge gate，不可做探索 oracle |

## 关键约束

目标：M⋆ = arg max Stest(M')
约束：假设和实现决策**不使用 Etest 作为探索 oracle**

这防止了过拟合——在 dev 上改进但无法 transfer 到 test 的候选不应被接受。

## 与普通 Agentic Tool Use 的区别

AO 的目标不是单一响应或代码补丁，而是**持续的研究轨迹**。Agent 必须提出假设、物化为产物变更、解读实验反馈，并决定哪些方向应该精炼、合并或放弃。

## 参考
- [[arbor-htr-2026]]
- [[hypothesis-tree-refinement]]
- [[coordinator-executor-architecture]]