S1-NexusAgent：面向多学科科学研究的自进化智能体框架

现代科学研究依赖大规模数据、复杂工作流和专业工具，现有大语言模型及工具型智能体因长期规划能力弱、目标维持不稳及缺乏持续学习机制而难以胜任。本文提出S1-NexusAgent——一种面向多学科科研的自进化智能体框架。该框架采用分层的Plan-and-CodeAct执行范式，通过双循环架构解耦全局科研规划与子任务级工具执行，支持Model Context Protocol（MCP），集成数千种跨学科科研工具，并通过意图感知的动态工具检索与热插拔机制实现异构工具高效编排。针对科研场景中的长上下文与大数据挑战，引入基于对象引用的稀疏上下文管理，实现子任务上下文隔离与中间结果压缩。在此基础上，Critic Agent自动评估完整执行轨迹，提炼高质量科研路径为可复用的“科学技能”，形成持续自进化闭环。在生物、化学和材料科学等权威长周期科研基准上的实验表明，S1-NexusAgent达到最先进性能。