超越作为助手的AI：迈向宇宙学中的自主发现
TLDR
CMBEvolve和CosmoEvolve两个智能系统通过代码进化和多智能体实验室实现宇宙学自主发现。
评分理由
The paper presents novel systems with preliminary real-world demonstrations in cosmology, showing both controlled benchmarks and open-ended research. However, it lacks detailed evaluation metrics and comparisons to baselines, and the scope is limited to cosmology.
Read-first 评分解释
综合优先阅读分 61.5，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。
研究版图角色
前沿论文桥接论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：49。
关键词评分
深度分析
创新点
- CMBEvolve：一个智能体系统，利用LLM引导的代码进化和树搜索处理具有明确量化目标的宇宙学任务
- CosmoEvolve：一个用于宇宙学开放式科学工作流的虚拟多智能体研究实验室
- 将宇宙学作为测试平台，为开发AI科学家系统提供受控基准和真实开放式问题
方法
本文介绍了两种互补的智能体系统：CMBEvolve通过LLM引导的代码进化和树搜索优化明确的量化目标；CosmoEvolve是一个用于开放式研究的多智能体虚拟实验室。初步演示将CMBEvolve应用于弱透镜映射图中的分布外检测，将CosmoEvolve应用于ACT DR6数据的自主分析。
关键结果
CMBEvolve通过代码进化迭代提升了弱透镜映射图分布外检测的基准分数。CosmoEvolve自主识别了ACT DR6数据中非平凡的对和尺度依赖行为，并生成了分析级诊断。
局限性
- 该工作为初步演示，系统的泛化性和鲁棒性尚未得到验证。
- 评估仅限于特定的宇宙学任务（弱透镜分布外检测和ACT DR6分析），未报告更广泛的验证。