@DanKornas: 如果你想跟踪用于研究的AI智能体,难点不在于一篇论文——而在于整个生命周期。Awesome A…
摘要
一个精选的GitHub资源,将AI辅助的科研工具和论文映射到整个研究生命周期,从创意生成到成果传播。
查看缓存全文
缓存时间: 2026/06/15 11:03
如果你想追踪用于研究的AI智能体,难点不在于某篇论文,而在于整个研究生命周期。
Awesome AI Auto-Research 是一个精选的GitHub资源库和配套仓库,专为跟踪AI辅助科学领域的研究者和开发者而设。
它通过按研究流程组织论文和工具,帮助你梳理整个领域:想法生成、文献综述、编码实验、图表、写作、同行评审、反驳和传播。
主要特点:
- 生命周期图 – 将自动研究划分为四个阶段和八个步骤
- 论文表格 – 列出模型/工具,附带论文、会议/期刊、网站和GitHub列
- 创作覆盖 – 包括构思、文献搜索、编码、实验、表格和图表
- 验证覆盖 – 跟踪同行评审、反驳/修订、质量、偏见和政策工作
- 系统部分 – 区分端到端系统、领域特定系统、自我改进系统和基础设施
它是开源的(MIT许可证)。
回复中附有链接。
相似文章
AI 自动研究:路线图与用户指南
本文调研了AI在整个研究生命周期中的能力与局限,从创意生成到成果发布,识别出可靠辅助与不可靠自主之间的明确界限。它提供了一个分类体系、基准测试套件、工具清单以及人类主导的AI协作研究设计原则。
迈向AI研究的端到端自动化
一篇介绍AI科学家(The AI Scientist)的论文,该系统自动化了从想法生成到同行评审的整个研究生命周期,展示了人工智能在科学贡献方面日益增长的能力。
@tom_doerr:利用23,000个AI代理技能自动化实证研究 https://github.com/brycewang-stanford/Auto-Empirical-Research-…
Auto-Empirical-Research-Skills (AERS) 是一个开源工具包,利用23,000多个AI代理技能自动化整个实证研究流程,从数据清洗到可提交的草稿。
AutoResearch AI:迈向AI驱动的科学发现研究自动化
一篇综述论文,探讨了AI从特定任务助手到工作流级研究自动化工具的转变,将AutoResearch定义为AI驱动的科学工作流自动化的光谱,并分析了自主性、可重复性和问责制方面的挑战。
@DanKornas:复杂的研究型智能代理会很快变得杂乱:计划、搜索、RAG、代码执行、反馈和最终报告都需要整合在一起……
DeepResearch 是一个基于 Spring AI Alibaba 构建的开源多智能体研究工具,能够将查询转化为结构化报告,它采用动态规划、多智能体角色、混合 RAG 和基于 Docker 的执行方式。