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

在智能体时代重新思考科学发现

arXiv 2026 70.1 method

TLDR

SCION是一个智能体科学操作系统,通过研究执行计划(REP)协调任务、工具和智能体,实现长期发现。

评分理由

The paper presents a novel framework (SCION) that integrates multiple scientific tasks and agents, with clear methodology (REP, hierarchical execution) and real-world applications in materials, molecules, and antibodies. However, the abstract is cut off, limiting visibility of quantitative results and comparisons, and some claimed capabilities (e.g., literature review) are not explicitly detailed.

Read-first 评分解释

综合优先阅读分 70.1,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 80。

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%
90

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:分析、基线、评估、实验、验证

主题相关性 42%
66.7

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%
46

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:工件、检查点

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性:volatile;排名波动范围:12。

关键词评分

automated scientific discovery
9
AI for scientific research
9
scientific discovery agent
9
AI scientist
8
autonomous research agent
8
research automation
8
automated research
7
automated experimentation
7
experiment design agent
6
literature review agent
4
survey generation
3
paper writing agent
2

深度分析

创新点

  • SCION作为一个智能体科学操作系统,充当组织中枢,通过作为元框架(Meta-Harness)的科学智能体(Science Agent)连接任务、工具、智能体、工件和记忆
  • 研究执行计划(REP)将高层次科学意图编译为阶段性目标、依赖关系、验证检查点、工具需求、预期工件和回退条件
  • 分层多智能体执行,结合基于配置文件的专业化、选择性上下文构建、受控委托和分层认知记忆,支持长期科学工作
  • 将发现形式化为目标条件逆搜索(Target-conditioned Inverse Search),并通过有限实验预算下的批量主动搜索扩展到隐藏目标设置
  • 在分解、验证、细化和记忆重用方面显著优于现有自主研究智能体基线

方法

SCION是一个智能体系统,其中作为元框架(Meta-Harness)的科学智能体(Science Agent)协调科学任务、工具、智能体、工件和记忆。核心是研究执行计划(REP),它将高层次目标分解为带有验证和回退的阶段性目标。它采用分层多智能体执行、配置文件专业化、选择性上下文、受控委托和分层认知记忆。发现被形式化为目标条件逆搜索,并通过批量主动搜索扩展到隐藏目标。评估包括材料分析、分子设计、蛋白质/抗体筛选,以及科学阅读、想法生成、分子生成和抗体筛选等具体任务,并与现有自主研究智能体基线进行比较。

关键结果

SCION在科学阅读、想法生成、分子生成和抗体筛选等任务中,特别是在分解、验证、细化和记忆重用方面,优于现有的自主研究智能体基线。

标签