从意图到实现：通过大语言模型自动化生物医学研究
TLDR
BioResearcher端到端自动化干实验室生物医学研究，在八个新目标上成功率达63%。
评分理由
The paper presents a novel modular multi-agent architecture with integrated quality control and evaluation metrics, demonstrating strong empirical results. However, the abstract lacks details on limitations, generalizability, and comparison to human performance.
Read-first 评分解释
综合优先阅读分 67.3，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 91。
研究版图角色
桥接论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：80。
关键词评分
深度分析
创新点
- 首个用于生物医学干实验研究的端到端自动化系统
- 模块化多智能体架构，包含专门用于搜索、文献处理、实验设计和编程的智能体
- 分层学习方法，将复杂任务分解为逻辑相关的子任务
- 基于大语言模型的评审器用于过程质量控制
- 用于评估实验方案质量和自动化程度的新颖评估指标
方法
BioResearcher采用模块化多智能体架构，包含用于搜索、文献处理、实验设计和编程的智能体。它通过分层学习将任务分解为子任务，并包含一个基于大语言模型的评审器用于质量控制。使用新颖的指标评估方案质量和自动化程度。
关键结果
在八个先前未实现的研究目标上平均执行成功率为63.07%；生成的方案在五个质量指标上比典型智能体系统高出22.0%。