OmniScientist：迈向人类与AI科学家共同进化的生态系统

arXiv 2025 65.1 method

TLDR

OmniScientist将科学研究建模为社会协作生态系统，实现多代理自动化与基础设施支持。

评分理由

The paper introduces a novel framework that explicitly encodes human research mechanisms, addressing a gap in existing AI Scientist systems. Strengths include comprehensive coverage of scientific workflow and collaborative protocols. Weaknesses: abstract lacks explicit real-world validation or empirical results, and the framework's effectiveness is not demonstrated.

Read-first 评分解释

综合优先阅读分 65.1，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 89。

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

主题相关性 42%

74.2

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

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、结果

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：代码

研究版图角色

前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：84。

关键词评分

AI scientist

AI for scientific research

automated scientific discovery

automated research

research automation

scientific discovery agent

autonomous research agent

literature review agent

automated experimentation

paper writing agent

experiment design agent

survey generation

深度分析

创新点

将人类科学社会机制（协作、贡献归属、同行评审、知识网络）显式编码到AI科学工作流中
基于引文网络和概念相关性构建的结构化知识系统
协作研究协议（OSP），实现无缝的多代理协作和人类研究者参与
基于盲对用户投票和Elo排名的开放评估平台（ScienceArena）

方法

OmniScientist是一个框架，它将科学任务的端到端自动化（数据基础、文献综述、研究构思、实验自动化、写作、同行评审）与模拟人类科学系统的基础设施支持相结合，包括结构化知识系统、协作协议和评估平台。

关键结果

摘要未报告定量实验结果；它指出该基础设施使代理能够理解人类知识系统、协作并共同进化，从而培育可持续的创新生态系统。

技术栈

Large Language Models (LLMs)Citation NetworksConceptual Correlation AnalysisMulti-agent Collaboration Protocol (OSP)Blind Pairwise VotingElo Ranking System

资源

论文