11:10arXiv cs.AI@Weiwei Ye, Hangchen Liu, Dongyuan Li, Renhe Jiang论文提出PAPERCLAW,一个多智能体系统,可从研究领域自主生成完整论文。该系统通过实时文献、数据集和代码孵化想法,并利用假设地图的迭代“提出-测试-反思”循环推进,在证据支持结论时自动撰写符合会议格式的论文。PAPERCLAW支持全生命周期记忆,允许暂停、检查与恢复,并内置人机协作接口,使研究者可在任意阶段介入优化。评估使用LLM评判表明,PAPERCLAW在完全自主和人在回路两种模式下均能产出高质量论文。论文PAPERCLAW多智能体自主研究论文生成LLM推荐理由:想用AI帮你从头到尾写论文?PAPERCLAW能自动搜文献、定假设、跑实验、写全文,你还能中途插手改方向。原文
04:23Y Combinator@ycombinatorAster 正在构建自主研究实验室,通过并行运行数千个 AI 智能体,实现自主研究速度 1000 倍提升。该实验室在 ProteinGym 基准测试中仅用 30 分钟就创造了世界纪录。Aster 目前正致力于自动化开放式研究。该项目由 Y Combinator 支持,并已正式发布。AI模型AsterAI智能体ProteinGym自主研究Y Combinator推荐理由:并行跑千个智能体,30分钟破纪录原文
00:10AK@_akhaliq精选一篇新论文提出假设树细化(Hypothesis-Tree Refinement)框架,旨在让AI自主进行科学假设的生成与验证。该方法通过迭代优化假设树结构,提升研究效率与泛化能力。论文未公开具体实验结果,但展示了框架设计思路。论文Hypothesis-Tree Refinement自主研究论文推荐理由:新论文提出假设树细化方法原文