Awesome Auto Research Hub 论文 · 数据集 · 项目
← 返回论文列表

Intern-Atlas:作为AI科学家研究基础设施的方法演化图

arXiv 2026 48.2 method

TLDR

Intern-Atlas从百万篇AI论文构建大规模方法演化图,辅助AI研究代理追踪方法谱系。

评分理由

Strengths include large-scale automated construction with explicit causal edges and evaluation against expert-curated ground truth. Weaknesses are domain limitation to AI and only brief mention of downstream applications.

Read-first 评分解释

综合优先阅读分 48.2,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 50。

近期性 8%
100

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:2026

方法质量 25%
60

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、结果

主题相关性 42%
41.7

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

可复现性 25%
30

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:无

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:39。

关键词评分

AI scientist
8
AI for scientific research
8
research automation
7
automated scientific discovery
6
automated research
5
autonomous research agent
4
scientific discovery agent
4
literature review agent
3
survey generation
2
automated experimentation
1
experiment design agent
1
paper writing agent
1

深度分析

创新点

  • 方法演化图(Intern-Atlas),捕捉方法级实体、谱系关系以及驱动创新间转变的瓶颈
  • 自引导时序树搜索算法,用于从图中构建演化链
  • 基于逐字源证据的图边,形成可查询的方法发展因果网络

方法

Intern-Atlas基于1,030,314篇AI论文构建,通过自动提取方法实体、推断谱系和瓶颈,创建了940万条带有逐字证据的语义类型化边。采用自引导时序树搜索算法构建演化链,并与专家策划的真实演化链进行对比评估。

关键结果

图包含9,410,201条边;演化链与专家策划的真实数据高度一致;该基础设施支持下游的想法评估和自动想法生成。

标签

AI