PiFlow：基于原则感知的多智能体协作科学发现
TLDR
PiFlow是一个信息论多智能体框架，通过原则引导探索提升科学发现效率与质量。
评分理由
The paper presents a novel principle-aware approach to automated scientific discovery, demonstrating significant efficiency gains and solution quality improvements across three domains. However, the abstract lacks details on specific domains, baselines, and limitations, making it hard to fully assess robustness.
Read-first 评分解释
综合优先阅读分 51.2，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 69。
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：118。
关键词评分
深度分析
创新点
- 基于原则感知的科学发现框架，将探索视为由科学定律引导的结构化不确定性减少
- 用于系统化假设-证据链接的多智能体协作信息论方法
- 可泛化至现有智能体架构的即插即用模块
方法
PiFlow是一个信息论框架，将自动化科学发现建模为结构化不确定性减少问题，利用原则（如科学定律）指导多智能体协作。该框架在三个科学领域与最先进方法进行对比评估，衡量发现效率、解决方案质量、求解时间及令牌消耗。
关键结果
PiFlow相比最先进方法将发现效率提升31.18%–41.73%，解决方案质量提升12.47%–31.72%，求解时间加速5.6倍，令牌消耗降低最多27%，并可作为即插即用模块应用于现有架构。