DeepScientist: 逐步推进前沿科学发现

arXiv 2025 72.8 method

TLDR

DeepScientist通过贝叶斯优化和分层验证自主发现，在三个AI任务上超越人类最优。

评分理由

The paper presents a large-scale autonomous discovery system with clear methodology and strong empirical results, but its focus on AI tasks may limit generality. Strengths include open-source code and extensive GPU-hour validation; weaknesses include potential narrowness of domain.

Read-first 评分解释

综合优先阅读分 72.8，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 80。

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

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：有；数据：无；命中信号：代码、GitHub

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、实验、验证

主题相关性 42%

66.7

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

研究版图角色

前沿论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：18。

关键词评分

automated scientific discovery

AI scientist

automated experimentation

AI for scientific research

scientific discovery agent

autonomous research agent

automated research

research automation

experiment design agent

literature review agent

survey generation

paper writing agent

深度分析

创新点

目标导向、完全自主的科学发现，时间跨度长达数月
将发现形式化为贝叶斯优化问题，并采用分层“假设、验证和分析”评估过程
累积的发现记忆（Findings Memory）平衡探索与利用，选择性地将最有希望的发现提升到更高保真度验证

方法

DeepScientist将科学发现形式化为贝叶斯优化问题，使用假设、验证和分析的分层循环。累积的发现记忆平衡对新假设的探索与利用，将最有希望的发现提升到更高保真度的验证级别。该系统运行超过20,000 GPU小时，生成约5,000个想法并实验验证了约1,100个。

关键结果

该系统在三个前沿AI任务上以183.7%、1.9%和7.9%的提升超越了人类设计的最先进方法，提供了首个大规模证据，表明AI能够在科学任务上逐步超越人类SOTA。

资源

论文代码