Awesome Auto Research Hub 论文 · 数据集 · 项目
← 返回论文列表

AI科学家综述

arXiv 2025 59.8 method

TLDR

提出六阶段框架的AI科学家综述,描绘从基础模块到闭环系统与人机协作的演进。

评分理由

The paper provides a systematic synthesis of AI scientist systems with a clear six-stage framework and evolutionary timeline, which is a strength. However, as a survey, it lacks empirical evaluations or real-world experiments, limiting its direct evidence for claims.

Read-first 评分解释

综合优先阅读分 59.8,由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 94。

近期性 8%
86.7

使用温和的时间衰减,让近期论文更容易浮现,同时保留较早基础工作的价值。 年份:2025

主题相关性 42%
78.3

使用现有 LLM 关键词相关性评分,并归一化到 0-100。 关键词:AI scientist、automated scientific discovery、autonomous research agent、automated research、literature review agent、survey generation、automated experimentation、experiment design agent、AI for scientific research、paper writing agent、research automation、scientific discovery agent

方法质量 25%
50

检查可见的摘要与分析字段,寻找实验、数据集、基线、指标和局限性等方法证据。 命中信号:实验

可复现性 25%
30

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。 论文:有;代码:无;数据:无;命中信号:无

研究版图角色

前沿论文

排序敏感性

稳定性:volatile;排名波动范围:165。

关键词评分

AI scientist
10
automated scientific discovery
9
AI for scientific research
9
scientific discovery agent
9
autonomous research agent
8
literature review agent
8
automated experimentation
8
paper writing agent
8
automated research
7
research automation
7
experiment design agent
6
survey generation
5

深度分析

创新点

  • 统一的六阶段方法论框架,将端到端科学过程分解为:文献综述、想法生成、实验准备、实验执行、科学写作和论文生成。
  • 对该领域从基础模块(2022-2023)到闭环系统(2024)再到可扩展性、影响力与人机协作(2025至今)的演进进行历史性描绘。

方法

本综述通过应用统一的六阶段框架分解科学工作流,系统性地综合了AI科学家领域,然后利用这一视角分析和分类现有系统及三个发展阶段中的趋势。

关键结果

本综述描绘了该领域通过三个不同时代的进展,并提供了应对鲁棒性和治理方面剩余挑战的路线图,以指导未来系统。

标签

AI