---
title: "Hypothesis Tree Refinement (HTR)"
created: 2026-06-24
updated: 2026-06-24
type: concept
tags: ["autonomous-research", "agent", "tree-search", "knowledge-management"]
sources:
  - "[[arbor-htr-2026]]"
---

# Hypothesis Tree Refinement (HTR)

HTR 是 Arbor 框架的核心方法：将自主科研的中间状态持久化为假设树，通过分支探索、执行反馈回写、洞察向上传播和 held-out 准入门控实现累积式科研进步。

## 树节点结构

n = ⟨h, ι, µ⟩
- **h (Hypothesis)**：可验证的改进主张，粒度随深度细化（根=方向，叶=具体干预）
- **ι (Insight)**：可复用的证据解读——非执行日志，紧致语义记忆
- **µ (Metadata)**：状态/分数/git ref

## 五步循环

```
Observe → Ideate → Select → Dispatch → Backpropagate
```

1. **Observe**：观察当前树状态（前沿、洞察、约束）
2. **Ideate**：在选定父节点下生成 k 个子假设
3. **Select**：选择最有前景的叶子调度执行
4. **Dispatch**：将叶子分配给隔离 Executor
5. **Backpropagate**：将执行结果（分数/洞察）写回节点，沿祖先路径向上抽象

## 三种角色合一

- **搜索前沿**：活跃/验证/剪枝方向的可视化
- **长期记忆**：成功+失败的复用证据
- **可审计记录**：每个产物变更可追溯到动机假设

## 参考
- [[arbor-htr-2026]]
- [[coordinator-executor-architecture]]
- [[autonomous-optimization-ao]]