自主研究 Agent 正越来越多地被用来自动完成科学研究中的大量工作，但它们容易出现研究诚信违规（RIV），即损害研究过程的有效性、可复现性或忠实性的行为。
在这项工作中，研究团队提出了 RIDAR，一个用于 RIV 自动检测与运行时干预的框架。首先，团队提出了 RIVT，这是一套涵盖完整研究生命周期的分类体系，共包含 14 种 RIV 类型。在 RIVT 的基础上，团队提出了 RIDAR-post-hoc，用于检测 Agent 轨迹中的 RIV。最后，团队提出了 RIDAR-runtime，用于在 Agent 运行期间动态检测并纠正 RIV。
RIDAR-post-hoc 在 RIV-Gold 上取得 85.2% 的 F1，RIV-Gold 是一个包含 60 条专家标注轨迹的 RIV 检测基准。团队将 RIDAR-post-hoc 应用于 RIV-Wild（一个覆盖 50 个不同研究任务、包含 300 条 Agent 轨迹的数据集），共检测到 3964 个 RIV 实例，出现在 99.7% 的轨迹中，说明 RIV 在当前 Agent 中十分普遍。RIDAR-runtime 将任务完成时 Agent 仍存在的 RIV 减少了 36.8%。