MIRA-AC 用代理反馈训练自动科研策略，多项发现任务成绩提升

MIRA-AC 用代理反馈训练自动科研策略，多项发现任务成绩提升。MIRA 框架通过分解、价值先验与 RL 解决科研 Agent 的延迟信用分配问题，代理信号训练可迁移。其决策级信用分配仅用 25% token。