LabLoop – isolated infrastructure for LLM-driven scientific experiments

LabLoop 是為 AI 智慧體提供持久科學迴圈的系統，使假設、實驗、證據、信念更新和研究記憶能夠跨單次執行保留。它在三個層面運作：科學、適應和元適應。在科學層面，系統形成可證偽的假設，執行有記錄的實驗，並根據證據更新信念。在適應層面，累積的結果可以改變接下來要追求哪些假設、實驗或研究策略。在元適應層面，用於做出這些適應的過程本身也可以被評估和改進。LabLoop 的核心主張是自我改進發生在研究過程層面：系統可以改進自己研究問題的方式，而無需底層模型重寫或重新訓練自己的權重。這刻意比聲稱模型可遞迴自我改進要謹慎得多。LabLoop 為可審計、由證據驅動的研究過程改進提供基礎設施，每個迴圈都基於持久的科學狀態，而不是瞬時的智慧體上下文。核心元件是 ml-scientist，凡是支援 MCP 的智慧體能執行的地方都能執行。可選的安全實驗室（ml-labloop）提供 KVM 隔離，用於在加固的每使用者實驗室中執行該科學家及其實驗。LabLoop 適用於機器學習、科學和工程領域的實證研究。