问题
科研人员和数据科学家在可打分的优化类科研/ML 问题上，需要手动管理不断演化的实验想法、判断哪个方向值得继续、并保持想法与实现的一致。前沿 LLM 的自动化研究在这三点上尤其吃力：'organizing evolving research ideas, selecting promising directions, and maintaining alignment between ideas and their implementations'。用户目前的替代做法是自己翻 notebook、凭直觉挑方向，效率低且容易丢线索。
目标用户
在 AI 研究实验室、高校课题组或独立做 Kaggle 类竞赛的科研人员与数据科学家，日常工作围绕可打分的优化型问题（模型调参、实验设计）。人群专业且相对小众，但付费能力和工具依赖度较高。
解决方案
- 实验树管理：把历史 notebook 组织成一棵持续演化的实验树，保留分支与共享历史
- 方向选择：用 UCB 等规则（借鉴贝叶斯优化）自动评估并挑选最有希望的实验分支去变异
- 批量提议：每次提议约 10 个变异实验，附共享分支历史，人可审核后再执行
- 想法-实现对齐：自动检查研究想法与实际实现是否一致（Solution Auditor 思路）
- 资源规划：根据算力预算安排实验顺序 AI 的角色：LLM 负责阅读实验记录、生成变异提议、审计实现与想法的一致性；搜索框架（树搜索/贝叶斯优化式选择）决定往哪个方向走。
为什么是现在
2026 年新出现的能力信号：Google 的 ERA 展示了 'LLM + 蒙特卡洛树搜索遍历实验 notebook' 能自动解决可打分的科研优化问题；同期 arXiv 论文（AIM 框架）系统化了想法组织、方向选择和想法-实现对齐三大挑战。这些框架刚被验证可行，说明技术窗口刚打开，尚无成熟的独立产品承接。
MVP 范围
第一版做：连接用户的实验 notebook 目录（Kaggle/Kaggle 类环境优先），构建实验树，用 UCB 选分支、让 LLM 提议并生成下一批（约 10 个）变异实验代码，人审核后一键提交运行，并记录每个分支的得分。不做：自动执行不经过人工审核的实验、多用户协作、通用（不可打分的）开放式科研问题。
风险
- 技术风险：变异提议质量高度依赖 LLM 编程与实验设计能力，树搜索在问题不可清晰打分时失效
- 平台依赖：强依赖 Gemini/前沿 LLM API，模型能力或定价变化直接影响产品效果与成本
- 竞争风险：Google ERA 等巨头方案若直接产品化（如整合进 Kaggle），独立产品空间会被挤压
- 场景局限：仅适用可打分优化问题，开放式科研（不可自动评分）暂不适用，市场天花板受限
已有产品
| 产品 | 定位 | 价格 |
|---|---|---|
| Google ERA (Empirical Research Assistance) | Google 展示的 LLM+树搜索自动科研原型，验证了技术方向但未独立产品化 | — |
| AIM | 论文框架，系统化想法组织、方向选择与实现对齐，同样非商业产品 | — |
| Gemini | 底层模型能力，可视为上游依赖而非直接竞品 | — |
| Kaggle | 实验执行与评分环境的潜在宿主平台，可能成为分发渠道或被其集成挤压 | — |
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
arXiv cs.AI10月1日新能力
“We distinguish idea-driven search from solution-driven search and identify three core challenges: organizing evolving research ideas, selecting promising directions, and maintaining alignment between ideas and their implementations.”
Frontier LLMs used for automated research struggle to organize evolving research ideas, select promising directions, and maintain alignment between ideas and implementations.原文
Latent Space9月22日新能力
“Gemini (or your LLM of choice) keeps a running tree of past experiments (notebooks) and where they’re going. It’s a close cousin of Monte Carlo Tree Search: at each iteration the Upper Confidence Bound rule picks which notebooks are most promising to mutate.”
Google's ERA uses an LLM with a Monte Carlo tree search over experiment notebooks to automatically solve scientific problems that can be written as scoreable optimization tasks.原文