ai-scientist

general · 首次出现 2026-05-22 · 最近出现 2026-11-19 · 累计提及 11

综述

AI Scientist(ai-scientist)指由大语言模型驱动的自动化科研智能体系统,能够自主完成文献阅读、提出假设、设计实验、撰写论文乃至评审的完整研究流程,目前正从概念验证走向垂直领域的实际应用。围绕它的讨论集中在两条线上:一是通用科研智能体框架本身的可靠性(尤其是“新颖性”判断),二是蛋白质设计、流体力学等具体学科中的落地效果。

AI Scientist 近期进展

  • Scientist World:把 1000 篇论文变成 AI 科研可执行环境:这篇 arXiv 论文将 1000 篇已发表论文转化为 AI 科研智能体可运行的环境,为评估 AI Scientist 能否真正复现和扩展前人研究提供了基准化的测试场。
  • ClaimNov 改进 AI 新颖性审查,误杀率降至 1.5%:伊利诺伊大学提出 ClaimNov,针对 AI 审稿中最棘手的新颖性判断问题,将把真正新颖的工作误判为不新的比例降到 1.5%,这对依赖 AI 评审的自动化科研闭环是关键补强。
  • Sakana AI 宣布 Jürgen Schmidhuber 出任首席科学顾问:以 AI Scientist 项目闻名的 Sakana AI 请来深度学习先驱强化科学战略,显示这类公司正试图用顶级人类科学家为自动化科研系统把关方向。
  • Claude 自主设计蝎毒神经毒素结合蛋白,64 小时生成 31.8 万个候选蛋白质,17 个通过湿实验:大模型在蛋白质设计任务中于 64 小时内产出 31.8 万候选并经湿实验验证 17 个,展示了 AI 驱动科学发现从“写论文”向“做实验”延伸的能力。
  • AI CFD Scientist: Toward Open-Ended Computational Fluid Dynamics Discovery with Physics-Aware AI Agents:将物理约束引入智能体,探索计算流体力学中的开放式科学发现,代表 AI Scientist 在工程仿真领域的分支。
  • 当前焦点与观察点

    AI Scientist 目前最大的争议在于评价体系:自动生成的“研究成果”是否真正有科学价值,还是大量产出看似完整实则平庸的论文。ClaimNov 等新颖性审查工具和 Scientist World 这类可执行基准,都是在试图回答“怎么衡量 AI 做的科学”这个问题。

    另一个观察点是通用框架与专用系统的分化。Salesforce 等团队在小语言模型上搭建科研流水线,说明不一定需要最大模型才能跑通;而蛋白质设计、CFD 等垂直方向则强调领域知识约束,二者可能走向不同的产品形态。后续值得跟踪的信号包括湿实验验证成功率、AI 生成论文能否通过人类同行评审,以及 Sakana AI 等头部团队在引入资深科学家后的迭代方向。

    相关报道

    8 条在档