面对爆炸式增长的生物医学数据与碎片化的研究工具，传统AI代理的静态工具集已难以为继。STELLA系统应运而生，它通过独特的“自进化”机制，能自主发现并集成新工具，从经验中提炼复用策略，为解决复杂生物医学问题提供了一个动态且强大的新范式。
智能速览
STELLA是一个能自进化的生物医学研究AI Agent。
它通过沉淀推理模板和自动创建新工具实现能力升级。
系统由Manager、Dev、Critic和Tool Creation四个Agent协同工作。
在多个生物医学QA基准测试中取得了当前最优效果。
系统在使用过程中能够越试越强，持续优化表现。
精华内容
STELLA的自进化能力并非空谈，其背后是精巧的多智能体架构和两大核心机制，共同构建了一个动态、可扩展的研究系统。
多智能体架构
STELLA系统由四个核心Agent协同构成。Manager Agent负责接收高层研究目标，并将其拆解为可执行的计划路径。Dev Agent是执行者，负责搭建环境、编写代码和运行分析。Critic Agent扮演质检角色，对中间结果进行批判性评估，提出改进方向。当发现能力缺口时，Tool Creation Agent便会启动，去寻找或创建并集成新工具。
推理模板沉淀
为了实现推理层面的进化，STELLA设计了模板库机制。每当系统成功解决一个复杂问题后，会将整个多步解题流程提炼为可复用的推理模板。未来再遇到类似问题时，Manager Agent可以直接调用这些成熟模板，跳过繁琐的规划步骤，从而大幅提升解决同类问题的效率和质量。
动态能力扩展
与固定工具集的传统方案不同，STELLA拥有一个名为Tool Ocean的动态能力池。它不再依赖人工预设工具，而是通过Tool Creation Agent，在发现能力缺口时自动搜索外部资源，如GitHub和PubMed，创建、测试并集成新工具。这个能力池包含数据库查询函数、基础模型接口及定制分析脚本，能够随领域发展不断自我扩充。
性能验证与优势
STELLA的有效性已在实践中得到验证。在三项具有挑战性的生物医学问答基准测试中，该系统均取得了当前最优（SOTA）的性能。更值得注意的是，它展现出了“test-time”的自我改进能力，即在解决具体任务的过程中，通过不断尝试和调整，表现会越来越好，真正实现了越用越强的设计目标。
STELLA不仅是一个高效的AI研究助手，更是一种全新的研究范式雏形。它将研究者从寻找和组合工具的繁琐工作中解放出来，让机器自主完成知识的积累与能力的进化。这种自进化智能体的出现，是否会加速生物医学领域的突破性发现？
