Sage-A1.5：通过能力组合从长时程执行迈向科学探索

基于摘要分析。该报告介绍 Sage-A1.5，一个建立在 A1 基础上的 35B 混合专家（Mixture-of-Experts，MoE）智能体模型，旨在通过自适应能力组合推进长时程问题求解。其主要研究对象是通用智能体的任务组织、执行中策略修订与探索性科学研究，而非 EEG 解码或 BCI。 作者将改进概括为三个方面：智能体编排通过任务委派和上下文相互隔离的子智能体并行协作，支持复杂任务分解；智能体验证通过进度检查、证据核验和反思式策略修订，识别低效搜索路径并尝试替代方案；开放式科学发现则从回答预设问题扩展到探索性研究，将科学探究与交互分析及可检查的研究产物相结合。 相较 A1，作者强调模型不仅执行单项任务，还能组织工作并在执行过程中调整方法。作者报告通过复杂智能体任务和多学科科学应用展示这些能力，但摘要未给出具体任务、数据集、评估协议、对照指标或定量收益，因此尚不能判断各项机制的独立贡献及长时程可靠性的改善幅度。训练方法、验证信号来源、子智能体调度方式、消融及统计信息尚未验证。 摘要表达了为社区提供易用科研基础的愿景，但未明确权重、代码或运行配置的开放情况，不能据此认定已发布可复现模型。材料也未提供 EEG/BCI 实验或直接迁移证据；已有 EEG 相关工作尚未检索确认。