SR-Scientist：基于智能体AI的科学方程发现
TLDR
SR-Scientist将LLM作为自主智能体，通过编码、数据分析和方程优化发现科学方程，在四个学科中超越基线。
评分理由
Strengths include a novel framework that elevates LLMs to autonomous scientists with code writing and optimization, strong empirical results across multiple disciplines, and tests for robustness and generalization. Weaknesses are that it is limited to equation discovery and does not address literature review or paper writing, and potential LLM limitations are not fully explored.
Read-first 评分解释
综合优先阅读分 68.7，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 72。
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：22。
关键词评分
深度分析
创新点
- 将LLM从方程提出者提升为自主AI科学家，能够编写代码进行数据分析、方程实现和迭代优化
- 将代码解释器封装为数据分析和方程评估的工具，实现智能体在长时间跨度内以最少人工定义流程进行优化
- 端到端强化学习框架以增强智能体的方程发现能力
方法
SR-Scientist是一个智能体框架，其中LLM使用封装为数据分析和方程评估工具的代码解释器。智能体自主编写代码分析数据、实现候选方程、提交评估，并根据实验反馈在长时间跨度内以最少人工定义流程迭代优化方程。此外，还开发了一个端到端强化学习框架以增强智能体的能力。
关键结果
SR-Scientist在涵盖四个科学学科的数据集上以6%到35%的绝对优势优于基线方法，并展示了噪声鲁棒性、对域外数据的泛化能力以及符号准确性。