ReasFlow：通过基于知识的多智能体系统辅助应用数学中以推理为中心的科学发现

arXiv 2026 78.9 method

TLDR

ReasFlow是一个多智能体系统，用于应用数学中基于推理的科学发现，自动化证明、综合和论文生成。

评分理由

Strengths: Addresses a gap in theory-driven discovery with a robust verification loop and knowledge retrieval. Weaknesses: Limited to applied mathematics; generalizability uncertain. The abstract is cut off, but the system appears to generate full papers, indicating real-world testing.

Read-first 评分解释

综合优先阅读分 78.9，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 93。

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%

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：基线、基准、评估、实验

主题相关性 42%

77.5

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：有；数据：无；命中信号：GitHub

研究版图角色

前沿论文方法锚点复现锚点

排序敏感性

稳定性：sensitive；排名波动范围：3。

关键词评分

automated scientific discovery

autonomous research agent

AI for scientific research

research automation

scientific discovery agent

AI scientist

automated research

paper writing agent

automated experimentation

literature review agent

experiment design agent

survey generation

深度分析

创新点

端到端自主智能体系统，面向应用数学中基于推理的科学发现，针对现有实证研究智能体未充分服务的理论驱动领域。
内部验证循环，在人工检查前审计逻辑一致性并纠正基本错误。
自动化知识检索与自我改进机制，提取陈述性事实和被忽视的程序性启发，减少专家干预。
统一流程，整合文献综合、算法设计、定理证明、实验和手稿准备。

方法

ReasFlow是一个多智能体系统，将人机协作框架构建为首席研究员（人类）和研究生（智能体）。它使用内部验证循环进行逻辑错误纠正，并具备知识检索模块以实现自我改进。该系统通过从最小提示自动生成五篇完整研究论文进行评估，然后使用精心设计的基于LLM的评审标准与开放访问基线进行比较评分。

关键结果

ReasFlow在包含严格理论和实证内容的五篇生成论文中，始终在现有最先进的开放访问基线中取得最高评估分数。

技术栈

大语言模型 (LLMs)多智能体系统知识检索

资源

论文代码