exploratory-autoresearch

当用户希望实现一个自主的机器学习研究循环，广泛探索搜索空间而非仅对单一方法进行局部优化时，可使用此功能。该功能用温度调度器替代常规的假设步骤：早期强制进行多次大胆、多样化的尝试（如完全重写、不同架构或训练机制），随后进入自适应阶段，根据每次迭代选择“大幅调整”、“合并”或“局部优化”策略——并设有严格的停滞保护机制，一旦局部优化持续过久，则强制切换回“大幅调整”或“合并”策略。该功能会维护一个 approaches.md 注册表，并记录每次迭代的 move_type；在每次运行后进行分析，再决定下一步操作。每次迭代仅进行一次变更；循环将持续运行，直到被手动中断。不适用于标准“先分析后决策”的自动研究流程（该流程仅由分析结果决定每次变更）、一次性训练任务或超参数扫描。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本