研究论文、数据集与开源项目

A curated hub for AI systems that automate scientific research: literature review, survey synthesis, experiment design and execution, paper writing, AI scientists, and autonomous research agents.

自动从多来源研究论文中精选。基于 awesome-hub-generator 构建。

浏览论文浏览项目

616论文

126数据集

12项目

0资源

18来源

分类： application · benchmark · method · survey · system · theory

精选研究

查看全部论文 →

Preview for ReasFlow: Assisting Reasoning-Centric Scientific Discovery in Applied Mathematics via a Knowledge-Based Multi-Agent System

arXiv 2026 81.3 method

ReasFlow：基于知识的多智能体系统辅助应用数学中以推理为中心的科学发现

ReasFlow是一个多智能体系统，用于应用数学中自主的、以推理为中心的科学发现，集成了验证、知识检索和论文生成。

论文代码解读

Preview for AI CFD Scientist: Toward Open-Ended Computational Fluid Dynamics Discovery with Physics-Aware AI Agents

arXiv 2026 80.8 method

AI CFD科学家：面向开放的计算流体动力学发现，具有物理感知的AI智能体

AI CFD Scientist是一个开源AI智能体，通过物理感知验证自主进行计算流体动力学发现，在壁面Cf RMSE上实现了7.89%的改进。

flu-dynAI

论文代码解读

arXiv 2026 78.9 method

ReasFlow：通过基于知识的多智能体系统辅助应用数学中以推理为中心的科学发现

ReasFlow是一个多智能体系统，用于应用数学中基于推理的科学发现，自动化证明、综合和论文生成。

论文代码解读

Preview for The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery

arXiv 2024 77.7 method

AI科学家：迈向全自动开放式科学发现

提出一个使用LLMs进行全自动科学发现的框架，包括生成想法、编写代码、运行实验、撰写论文和模拟评审。

AICLLG

论文代码解读

Preview for DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents

arXiv 2024 77.5 method

DISCOVERYWORLD：用于开发和评估自动化科学发现智能体的虚拟环境

DISCOVERYWORLD：含120个任务的虚拟环境，用于基准测试自动化科学发现智能体。

AICL

论文代码解读

Preview for TruthInsightBench: An Evidence-Grounded Benchmark for Automated Evaluation of Open-Ended Scientific Discovery Agents

arXiv 2026 77.2 method

TruthInsightBench：一个基于证据的基准，用于自动评估开放式科学发现智能体

TruthInsightBench用40项盲任务评测科学发现智能体，以LLM评判证据成熟度；四个编码智能体分数相近，缺乏科学判断。

论文代码解读

数据集

数据集大全

查看全部 →

2026

自主编码智能体越来越多地被提议作为执行分析并撰写研究报告的AI科学家系统，但执行规定好的分析并不等同于做出发现。现有基准面向复现而设计：任务、数据和评分标准围绕一项隐藏的目标研究构建，并且以恢复其结果作为奖励。我们提出 TruthInsightBench，一个面向发现的基准。它包含来自10个科学领域40篇经同行评审研究的40个盲任务，仅暴露中性的科学目标和冻结数据；源结论、预期值和分析路径均被隐藏，由智能体自行判断数据支持何种主张。一个固定的基于LLM的评审器从六个维度对智能体自身主张的证据成熟度进行评分，具体化为29个基于产物（artifact）的评分项，采用自动化、确定性的聚合方式，无需逐实例人工评分，因此可在智能体迭代演进时自动重复评估。在一个冻结的基础模型上，四种编码智能体形成了一个狭窄的高原区（100分制中的58.4-60.3分），且任意两两之间均无统计上可靠的差异：它们能够熟练地执行分析并撰写文档，在证据可审计性和新颖性方面相对较强，但很大程度上缺乏建立可信主张所需的判别性行为（对照组、稳健性、可证伪性和跨数据集泛化）。瓶颈在于科学判断而非编码，真正的发现仍然遥不可及。TruthInsightBench 使这一差距成为可测量的目标；数据和评分代码位于 https://github.com/TruthInsight-stack/TruthInsightBench。

论文代码