重新思考AI科学家：面向科学发现的交互式多智能体工作流
TLDR
提出Deep Research多智能体系统，实现分钟级交互式科学发现，在BixBench上达到最优。
评分理由
Strengths include novel interactive multi-agent architecture, fast iteration, and strong benchmark results. Weaknesses are reliance on open-access literature and challenges in automated novelty assessment, which limit generalizability.
Read-first 评分解释
综合优先阅读分 64.6，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 70。
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：27。
关键词评分
深度分析
创新点
- 交互式多智能体系统用于科学发现，周转时间以分钟计，与批处理方法形成对比。
- 专门用于规划、数据分析、文献搜索和新颖性检测的智能体。
- 持久世界状态在迭代研究周期中保持上下文。
- 双操作模式：半自主模式（带有选择性人工检查点）和全自主模式（用于扩展研究）。
方法
本文提出Deep Research，一种具有专门智能体和持久世界状态的多智能体架构，在BixBench计算生物学基准上进行评估。性能通过开放回答和多项选择准确率衡量，并与现有基线进行比较。
关键结果
Deep Research在BixBench上取得了最先进的结果，开放回答准确率48.8%，多项选择准确率64.4%，超过基线14到26个百分点。
局限性
- 依赖开放获取文献可能限制系统可用的科学知识范围。
- 自动新颖性评估仍然具有挑战性，是架构固有的约束。