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

SciAtlas：面向自动化科学研究的大规模知识图谱

arXiv 2026 43.8 method

TLDR

SciAtlas是一个大规模多学科知识图谱，含4300万论文及神经符号检索算法，支持自动化科研。

评分理由

The paper presents a substantial knowledge graph and retrieval method, but the abstract lacks concrete experimental results or comparisons, and the claimed applications are only outlined as directions.

Read-first 评分解释

综合优先阅读分 43.8，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 46。

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%
40

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：无

主题相关性 42%
38.3

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%
38

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：GitHub

研究版图角色

前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：62。

关键词评分

AI for scientific research
8
automated research
7
research automation
6
literature review agent
5
automated scientific discovery
4
survey generation
4
scientific discovery agent
4
autonomous research agent
3
AI scientist
2
automated experimentation
1
experiment design agent
1
paper writing agent
1

深度分析

创新点

  • 大规模多学科异构知识图谱（SciAtlas），整合了4300万篇论文、1.57亿个实体和30亿个三元组
  • 神经符号检索算法，采用三路径协同召回和图重排序，实现确定性关联发现
  • 将SciAtlas作为认知地图应用于自动化科学研究任务，包括文献综述、趋势综合、创意定位和轨迹探索

方法

SciAtlas构建为一个异构知识图谱，来源于26个学科的超过4300万篇论文，产生1.57亿个实体和30亿个三元组。开发了一种结合三路径协同召回和图重排序的神经符号检索算法，实现从语义匹配到确定性关联发现的过渡。该系统应用于文献综述、自动研究趋势综合、创意定位和学术轨迹探索。

关键结果

知识图谱构建达到4300万篇论文、1.57亿个实体和30亿个三元组的规模；检索算法实现了确定性关联发现；应用演示表明可降低自动化研究的推理成本。

技术栈

Knowledge GraphNeuro-symbolic RetrievalTri-path Collaborative RecallGraph Reranking

资源

论文

标签

AICLIRLG