多智能体对抗协作做科研

当前主流的多智能体科研框架如 AutoGPT、GPT-Researcher 普遍采用串行或简单并行的协作模式，失败时容易静默产生看似合理的错误结论。ARIS 的对抗层设计让不同模型的输出互相质证，更接近学术同行评审的机制，这在需要数月周期的真实科研中比单次调用更可靠。

论文提到的"plausible unsupported success"是长期被忽视但实际极痛的问题——很多团队用 AI 做调研后才发现结论站不住脚，返工成本极高。ARIS 的开源 harness 结构（execution/orchestration/assurance 三层分离）也提供了可插拔的扩展接口，比微软的 AutoGen 更聚焦科研场景的可靠性而非通用对话。

代码已开源，如果你在搭自动化科研管线或投资尽调分析系统，建议优先看它的 assurance layer 实现，这部分可以直接迁移到现有 agent 架构里。