AutoResearch AI：面向科学发现的AI驱动研究自动化
TLDR
综述AI研究自动化，定义AutoResearch和Vibe Research，分析工作流条件。
评分理由
The paper provides a comprehensive taxonomy and analysis of AI-driven research workflows, which is a strength. However, it is a survey without new experiments or real-world empirical evaluations, limiting its direct contribution.
Read-first 评分解释
综合优先阅读分 70.3，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 92。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：37。
关键词评分
深度分析
创新点
- 引入了AutoResearch概念，作为AI驱动的科学工作流自动化的发展谱系，区分了Vibe Research（人类引导的基于提示的辅助）与新兴的AI主导系统。
- 围绕五个工作流条件组织该领域：文献与研究基础；假设形成与规划；实验与工具使用；反馈、验证与评审；以及报告与知识传播。
- 为AI科学家系统提出了五个评估维度：新颖性、有效性、影响力、可靠性和来源。
方法
本综述通过综合AI科学家系统、混合主动协同研究框架、基准测试、领域部署和开源基础设施，并围绕五个工作流条件和五个评估维度进行组织，审视了AI驱动的科学工作流自动化。
关键结果
AutoResearch的自主性是领域条件化的：在结构化、可执行且可快速验证的环境中更可信，但在具身、延迟、异质、伦理或机构问责的背景下受限。当前系统在证据保存、可重复性、弱方向拒绝、来源追踪、跨领域鲁棒性和负责任的科学闭环方面仍面临挑战。
局限性
- 当前系统在证据保存、可重复性、弱方向拒绝、来源追踪、跨领域鲁棒性和负责任的科学闭环方面仍面临挑战。
- AutoResearch的自主性在具身、延迟、异质、伦理或机构问责的背景下受限。