科学发现的进化智能：从进化计算到累积发现系统
TLDR
提出进化智能框架，将经验保留融入进化计算，实现累积科学发现。
评分理由
The paper provides a conceptual framework and review, but lacks real-world experiments or empirical evaluations. Its strength lies in bridging evolutionary computation and cumulative discovery, but it does not present concrete implementations or benchmarks.
Read-first 评分解释
综合优先阅读分 50.6，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 57。
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：58。
关键词评分
深度分析
创新点
- 引入进化智能概念，桥接进化计算与累积科学发现系统
- 提出五维分析框架（什么进化、如何、为何、何处、何时）以表征进化智能系统
- 刻画了通过将候选优化与经验保留相结合来维持探索的进化智能系统
- 在多种发现模式中展示进化智能范式，从进化具体实体到编排自动化工作流
- 识别关键瓶颈（评估、过程可追溯性、共享基础设施）并提供转变路线图
方法
本文是一篇综述论文，提出了进化智能概念并引入五维分析框架。它通过反馈驱动的候选优化与经验保留相结合的视角分析科学人工智能系统，并讨论了多种发现模式及瓶颈。
关键结果
该框架阐明了进化智能如何将孤立的搜索轨迹转化为累积的科学洞察。论文指出了评估、过程可追溯性和共享基础设施方面的关键瓶颈，并提供了从进化计算向累积发现系统转变的路线图。