AI 科学家能否在运行时协调？

arXiv 论文《Can AI Scientists Coordinate at Runtime?》提出 Runtime Agent Coordination（RAC），在 AI 科学家系统执行过程中从既有 host 中选择 agent、分配限定范围的工作契约，并提供基于产物的验证。作者在 ResearchClawBench 上对 Agent Laboratory、EvoScientist 和 ARK 做单随机种子探索性评估，分四种累积条件：原生执行、运行时通信、运行时选择、契约与验证叠加。结果显示运行时选择在每个 host 上取得最高观测平均分，而加入契约和验证会拉低均值。

此前多 agent AI 科学家多采用设计时固定工作流编排，分工在任务开始前就确定，与人类科学家在执行中调整分工的方式不同。该工作把协调动作移到运行时，并首次在此设置下对比通信、选择、契约与验证四种机制，给出的信号是运行时选择有效，但额外协调机制在受限预算下未必增益。

RAC 不重写 host 的模型、工具与权限，而是在执行中挑选 agent、下发限定范围的 work contract，并用产物作为验证依据；验证结果传递给后续 agent，但不阻塞状态转换，也不丢弃中间产物。这样协调开销被限制在 host 校准预算内，因此选择机制带来收益，而契约与验证叠加可能因预算分摊而削弱表现。

对构建多 agent 科研或自动化流水线的团队，这意味着编排层可以做成运行时而非写死的工作流，产品可把 agent 选择作为可替换模块接入现有 host。同时结果提示不要默认叠加更多协调机制，需按预算实测；评估应固定 host 工具与权限，并关注单种子结论的稳定性。

• 在自有多 agent 流水线上做 A/B：固定工作流对比运行时选择 agent，按相同 token 与工具预算衡量任务得分。
• 将 agent 选择与工作契约、产物验证拆成可选开关，允许按 host 单独启用，避免一次性全量叠加。
• 复用公开仓库中的 RAC 实现，接入自家 host 做小规模复现，先验证选择环节的收益是否可迁移。
• 在评估环节记录每次协调带来的额外调用与延迟，把协调成本纳入产品定价与配额设计。

• 论文仅用单随机种子做探索性评估，运行时选择的优势能否在多随机种子与更多任务上复现？
• 为何加入契约与验证会降低平均分：是预算被分摊、验证噪声，还是 host 特性差异？
• 在更高 token 或时间预算下，契约与验证是否可能转为正收益？
• RAC 在 Agent Laboratory、EvoScientist、ARK 之外的 host 与真实科研任务上是否同样有效？