MirrorMind：利用人类科学家的专家视角和集体知识赋能OmniScientist

arXiv 2025 52.3 method

TLDR

MirrorMind提出双记忆表示的分层认知架构，为AI科学家建模个体与集体知识。

评分理由

The paper presents a novel architecture that addresses the social and historical aspects of scientific discovery, which is a strength. However, the abstract is cut off, leaving the evaluation details unclear, and the paper may lack direct evidence for some claimed capabilities.

Read-first 评分解释

综合优先阅读分 52.3，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 65。

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

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、结果

主题相关性 42%

54.2

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%

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：81。

关键词评分

AI scientist

automated scientific discovery

AI for scientific research

scientific discovery agent

autonomous research agent

automated research

research automation

literature review agent

survey generation

automated experimentation

experiment design agent

paper writing agent

深度分析

创新点

将科学发现概念化为社会和历史过程，而不仅仅是孤立的优化。
双记忆表示：个体认知轨迹（情景、语义、人格记忆）和集体学科记忆（结构化概念图）。
三层分层认知架构：个体层、领域层、跨学科层。
将记忆存储与智能体执行分离，实现灵活访问个体或集体记忆。

方法

MirrorMind是一种分层认知架构，包含三个层级：Individual Level捕获研究者的情景、语义和人格记忆；Domain Level将集体知识映射为学科概念图；Interdisciplinary Level进行编排。记忆存储与智能体执行分离。在四个任务上进行评估：作者级认知模拟、互补推理、跨学科协作促进和多智能体科学问题求解。

关键结果

MirrorMind通过整合个体认知深度与集体学科广度，超越了简单的事实检索，实现了结构化、个性化和洞察生成的科学推理。

资源

论文