Evidra — The research harness

嗨，Product Hunt！👋

研究很少沿着一条直线推进。想法会失败，证据会冲突，看似有前景的结果也未必能经受住第二次实验的检验。Evidra 是一个为管理这一过程而构建的研究框架。

我们正在整合的一些技术包括：

- 进化搜索：维护多样化的候选方案，挑选有前景的方案，并在独立搜索小组之间交流想法。

- 多智能体探索：研究通道分别探索不同的方案，共享发现，并相互质疑彼此的结论。

- 证伪记忆：保留失败的假设和负面证据，以便后续尝试能够及时调整方向。

- 自适应分配：依据不确定性、信息增益、多样性以及剩余预算来决定下一个实验该做什么。

- 证据溯源：在可追溯的研究图谱中连接原文摘录、主张、假设、运行记录和决策。

- 评审与复现：独立审视有前景的发现，并通过重复实验与统计检验后再决定是否接受改进。

- 回放与框架演进：使用记录下来的运行轨迹比较不同的搜索策略，并通过受控实验评估框架自身的改动。

- 持久化执行：在多个会话之间对研究任务设置检查点，并在实验遇到超时、崩溃或资源限制时启用针对特定故障的恢复机制。

我们的目标是打造一个面向开放式研究和可衡量挑战的通用框架，支持代码执行、本地或远程计算，并具备明确的预算和权限控制。

Evidra 目前仍处于积极开发中的 alpha 阶段。这些机制的成熟度参差不齐，我们仍在真实问题上验证它们协同工作的效果。我们并未声称 Evidra 已经证明优于其他框架。

我们非常欢迎反馈、贡献，以及用于测试的棘手难题。请问，哪项能力对你的工作会产生最大的改变？