Arbor

Arbor是一个通用型自主科研智能体，旨在将长期目标转化为持续迭代的假设驱动搜索过程。它通过构建和修剪‘假设树’，自动提出假设、修改代码、运行真实实验、评估结果，并仅保留经验证有效的改进，支持模型训练、提示工程、数据合成等可量化优化任务。项目采用基于开发集迭代与测试集验证的严谨实验范式，内置CLI运行时及适配Codex/Claude的技能套件，强调可复现性与长期记忆能力。适用于需要系统性探索解空间、避免随机试错的AI研发与工程优化场景。