arXiv · cs.AI· Leo Y. Lin, Vishakha Ramani, Z. Berkay Celik, Paul Castro, Marquita Ellis·· 11 小时前
ROAR：统一异构 AI 驱动研究系统的运行数据
ROAR: Unifying Runs across Heterogeneous AI-Driven Research Systems
arXiv:2610.03966v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Leo Y. Lin, Vishakha Ramani, Z. Berkay Celik, Paul Castro, Marquita Ellis
研究任务与主要进展
研究者提出ROAR，用于统一和分析不同AI驱动研究系统产生的运行结果。该方案通过关系模式和解析层归一化异构输出、保留数据血缘与时间结构，并支持在不修改模式的情况下接入新系统。基于论文摘要，作者构建了包含900多次运行的语料，发现许多运行较早获得主要收益，且融入既有解法的策略效果随问题而异；语料还被用于配置后续研究系统运行。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org