该论文提出「开放自动研究」(Open Autoresearch) 这一范式：人类与 AI 代理共同在一个公共排行榜上发布经评估器 (evaluator) 自动验证的改进成果，任何提升都必须可被机器复算检验。作者将其实例化为 ECDSA.Fail 基准，目标是优化可逆 secp256k1 椭圆曲线点加电路——这是 Shor 算法攻破椭圆曲线密码学的核心瓶颈。基准评分采用受时空类比启发的 S = Q × T，其中 Q 为峰值逻辑量子比特宽度，T 为平均实际执行的 Toffoli 门数，参赛者需最小化 S。结果显示，参与者将 S 降低了 86.1%。截至数据截断日(2026 年 7 月 26 日)，得分最佳的电路使用 1,151 个量子比特与 1,299,453 个平均执行 Toffoli 门，Q×T 约 14.96 亿；在不同记账约定下，比 Google 公开的点加分数阈值 (arXiv:2603.28846) 低 50% 以上。由于该基准将一个加数按经典方式提供，作者另外构建了一个与相干窗口化加法兼容的变体，实现窗口化 Shor 所需的单次调用接口：使用 1,162 个量子比特与 1,684,161 个平均执行 Toffoli 门；在 100,000 个随机输入上的经验成功概率为 0.99809，按可独立复跑的逐调用敏感度模型得到 Q×T/p̂ ≈ 19.61 亿，作者强调这不是完整 Shor 的成功率估计。其比特数与 Toffoli 数低于 Google 公布的阈值以及 Schrottenloher 报告的运行点 (arXiv:2606.02235)，但由于接口、记账约定与验证范围不同，不构成严格意义上的优越性证明。截断日后得分进一步降至 12.59 亿，另有低宽度电路降至 813 个量子比特。公开记录表明 AI 代理可与人类判断形成互补，为在可高效评估、可机器校验的目标上开展开放自动研究提供了证据。