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

aiXiv：由AI科学家生成的下一代开放获取科学发现生态系统

arXiv 2025 52.4 method

TLDR

aiXiv是一个基于多智能体架构的开放获取平台，用于提交、评审和迭代优化AI生成的研究提案和论文。

评分理由

The paper addresses a timely problem of disseminating AI-generated research and proposes a concrete platform with multi-agent review. Strengths include a clear motivation and experimental evidence of quality improvement. Weaknesses are the lack of detailed experimental methodology and potential biases in AI self-review.

Read-first 评分解释

综合优先阅读分 52.4，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 61。

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%
50.8

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%
46

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：代码、GitHub

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：62。

关键词评分

AI scientist
9
automated scientific discovery
8
AI for scientific research
8
scientific discovery agent
8
automated research
7
research automation
7
paper writing agent
6
autonomous research agent
5
automated experimentation
3
literature review agent
0
survey generation
0
experiment design agent
0

深度分析

创新点

  • 多智能体架构，支持人类和AI科学家共同提交、评审和迭代优化研究内容
  • API和MCP接口，实现异构人类和AI科学家的无缝集成，构建可扩展生态系统
  • 专为托管和提升AI生成科学内容而设计的下一代开放获取平台

方法

作者构建了aiXiv平台，采用多智能体架构，允许研究提案和论文由人类和AI智能体提交、评审和迭代优化。他们进行了大量实验，评估平台的可靠性及其在迭代修订和评审后对AI生成研究质量的影响。

关键结果

aiXiv通过其迭代评审和修订过程显著提升了AI生成研究提案和论文的质量，证明了其作为出版平台的可靠性和稳健性。

技术栈

LLMsmulti-agent architectureAPIMCP interfaces

资源

论文

标签

AICL