Bohrium + SciMaster：构建规模化智能体科学的基础设施与生态系统

arXiv 2025 51.1 method

TLDR

提出Bohrium+SciMaster基础设施，实现可扩展的智能体科学，整合AI4S资产并编排长周期工作流。

评分理由

Strengths include addressing critical scalability and traceability challenges in AI-driven science with a concrete infrastructure proposal. Weaknesses are the lack of empirical validation or real-world experiments in the abstract, making it a conceptual framework rather than a demonstrated system.

Read-first 评分解释

综合优先阅读分 51.1，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 63。

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%

52.5

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%

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：评估

可复现性 25%

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：复现

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：90。

关键词评分

AI for scientific research

automated scientific discovery

autonomous research agent

scientific discovery agent

automated research

research automation

AI scientist

automated experimentation

experiment design agent

literature review agent

survey generation

paper writing agent

深度分析

创新点

Bohrium：一个可管理、可追溯的AI4S资产中心，将多样化的科学数据、软件、计算和实验室系统转化为智能体就绪的能力
SciMaster：将智能体就绪的能力编排成长周期科学工作流，在此基础上可以组合和执行科学智能体
科学智能基质：将可复用的模型、知识和组件组织成可执行的构建块，用于工作流推理和行动，实现组合、可审计性和通过使用进行改进
采用基础设施与生态系统方法规模化智能体科学，结合中心、编排和基质

方法

作者提出并实例化了Bohrium+SciMaster技术栈：Bohrium作为科学资产的可追溯中心，SciMaster将其编排成长周期工作流，科学智能基质提供可复用的构建块。通过11个代表性主智能体执行真实科学工作流进行了演示。

关键结果

该技术栈实现了端到端科学周期时间数量级的减少，并从真实工作负载中生成了百万级规模的执行接地信号。

资源

论文