用途：用于开放式机器学习研究，希望在收敛前强制覆盖多个不同方案族，而非只对单一思路做爬坡优化。每次实验后都做诊断分析，但每轮改动类型由温度调度器决定，不由智能体直觉决定。
主要能力：调度器规则为——第1轮为未修改基线；swings_taken 小于 swing_budget 时强制 swing；consecutive_exploit 达到 stagnation_limit 时禁止 exploit，强制 swing 或 merge；否则由智能体在 swing/merge/exploit 中选择。swing 指与以往所有 swing 根本不同的改动，可涉及架构、初始化、数据管线、学习率解耦、评估、目标函数等轴；merge 从 approaches.md 注册表选取两个以上互补方案组合；exploit 是对当前最优的聚焦微调。每轮必须产出真实分析文件，并更新 results.tsv 与 approaches.md。
使用方式：先交互式解析绑定（metric、run_cmd、editable_files、sandbox_root、iter_strategy、gate/budget、swing_budget、stagnation_limit），写入 loop.run.yaml 并确认；分支策略用 git checkout -b autoresearch/<run_tag>；时间门控写 run_with_timeout.sh。循环中每轮快照或提交、运行实验并重定向日志、读取指标、分析、记录、保留或回退。
限制：只能编辑 editable_files，评估工具为只读基准；每轮只改一处；不得安装项目缺少的依赖；不提交 results.tsv 与 approaches.md；循环持续到人工中断。默认 swing_budget=3、stagnation_limit=3。不适用于标准分析优先的 ml-autoresearch、单次训练或固定扫描，以及无可测量标量指标的任务。