AITOP

科研自动化

共 7 条相关 AI 资讯
8月14日
12:21
12:21官方账号arXiv cs.AI@Bobo Li, Hao Fei, Tianjie Ju, Mong-Li Lee, Wynne Hsu
OmniScientist是端到端的多模态AI科学家系统，可直接处理图像、信号、音频、视频、3D结构等原始证据。系统由感知层和三个自主智能体（构思、实验、写作）组成，通过代码检查保障新颖性与统计有效性。在覆盖5个学科家族、4类证据的36个真实数据案例中，系统全部完成从原始数据到编译手稿，平均论文得分为6.3。与仅接收预计算标量特征的盲变体相比，直接感知在7个评估维度全部占优，并在85%的成对比较中胜出。
论文OmniScientist多模态智能体
推荐理由：OmniScientist直接读图像、视频、3D原始数据，36案例全跑通，均分6.3，对比实验85%胜出。
原文
7月20日
09:15
09:15官方账号arXiv cs.AI@ SciForge Team, Zhangyang Gao, Minghao Fang, Yifei Liu, Hanhui Yang, Xinyu Gu, Shixiang Tang, Siqi Sun, Lei Bai, Cheng Tan, Mengdi Liu, Hao Wu, Shuizhou Chen
arXiv 论文提出 SciForge，一个专为科学研究设计的 AI 原生多模态工作台。该工作台基于五个核心理念构建：目标导向的决策治理、先翻译后推理的多模态处理、可审计的证据链、协作式团队科学以及实际应用场景。论文通过八个端到端用户案例验证，包括基因发现、从头蛋白质设计、分子优化等旗舰演示。SciForge 目前为桌面应用，已开源在 GitHub 上。
论文SciForge多模态智能体
推荐理由：想用 AI 管理整个科研流程？SciForge 把论文、代码、数据整合成可追溯的工作状态，还帮你做基因发现和蛋白质设计，开源可玩。
原文
7月10日
16:07
16:07官方一手Pandaily@contact@pandaily.com (Pandaily)
北京AI4S实验室部署了自主机器人科学家系统，能够自主设计实验、收集数据并发现新材料。该系统可在20秒内完成导电液的混合与优化。这一自动化科研平台标志着实验室研究范式从人工操作转向机器人自主执行。
AI产品北京AI4S自主机器人科学家自动化实验室
推荐理由：北京AI4S实验室搞的机器人科学家，20秒就能混好导电液，全程不用人管，材料发现效率直接拉满。
原文
6月12日
13:07
6月1日
10:47
10:47官方账号arXiv cs.AI@Weitong Qian, Beicheng Xu, Zhongao Xie, Bowen Fan, Guozheng Tang, Jiale Chen, Xinzhe Wu, Mingtian Yang, Chenyang Di, Jiajun Li, Lingching Tung, Peichao Lai, Yifei Xia, Ziyi Guo, Yanwei Xu, Yanzhao Qin, Shaoduo Gan, Xupeng Miao, Bin Cui
精选
AutoSci 是一个基于大语言模型的智能体系统，旨在自动化科学研究的完整生命周期，包括文献理解、想法生成、实验、论文撰写和审稿回复。它通过四个核心模块实现：SciMem 提供结构化研究记忆，区分长期知识记忆和项目级活动记忆；SciFlow 执行五阶段生命周期流程；SciDAG 用有向无环图增强复杂技能；SciEvolve 通过反馈信号持续优化系统。该系统解决了现有科研智能体无法统一支持全流程、缺乏持久记忆和自进化能力的问题。代码已开源，为科研自动化提供了可扩展的框架。
AI产品科研自动化智能体记忆管理
推荐理由：做科研自动化的团队终于有了一个能覆盖全流程、带记忆还能自我进化的系统——AutoSci 把文献、实验、写作、审稿串起来了，搞学术自动化的开发者可以直接用它的开源代码试试。
原文
5月29日
12:12
12:12官方账号arXiv cs.LG@Sy-Tuyen Ho, Minghui Liu, Huy Nghiem, Furong Huang
精选
研究人员推出了SoundnessBench基准测试，包含1,099个从ICLR投稿中重建的机器学习研究提案，并附有评审员的合理性评分。测试了12个前沿大语言模型后发现，它们普遍存在乐观偏差，在标准提示下常将低合理性提案评为合理。即使采用激进提示，也只是将错误从假阳性转为假阴性。控制实验排除了公共语料污染、表面特征等单一干扰因素。结果表明，当前LLM尚不能可靠地作为科学严谨性的独立初审评估者。
论文基准测试LLM评估科研自动化
推荐理由：这个基准测试戳中了AI科研助手的关键短板——无法判断研究想法的可行性，做自动化科研或依赖LLM审稿的团队值得关注，看完会重新评估AI在科研流程中的角色。
原文
5月20日
03:35
03:35官方账号Google DeepMind@GoogleDeepMind
72°
Google DeepMind 发布了基于 Co-Scientist 的假设生成系统，旨在帮助研究人员针对开放挑战进行头脑风暴和评估新想法。该系统采用多智能体“想法锦标赛”机制，通过生成、辩论和评估假设，展示哪些方案可行、哪些不可行及其原因。这为科研自动化提供了新工具，有望加速科学发现过程。目前该系统已在 Twitter 上展示，获得初步关注。
AI产品假设生成多智能体科研自动化
推荐理由：科研团队和学术研究者终于有了 AI 驱动的假设生成助手——Co-Scientist 通过多智能体辩论帮你筛选可行方向，做前沿探索的可以直接试试这个思路。
原文