@TheTuringPost: AutoScientists – 一个由智能体组成的研究实验室 @哈佛大学的研究人员将智能体连接成一个自组织的科学…

X AI KOLs Timeline 论文
multi-agent auto-scientists research-lab self-organizing agent-collaboration bioML optimization

摘要

哈佛大学研究人员提出 AutoScientists，一个没有中央协调器、能够形成自组织科学团队的多智能体系统，在 BioML-Bench 和优化任务上取得了强劲成果。

AutoScientists – 一个由智能体组成的研究实验室 @哈佛大学的研究人员将智能体连接成一个自组织的科学团队，没有中央智能体居中调度。 所有智能体共享同一个工作空间：它们共享记忆，并行探索多个方向，互相批评，避免重复失败，并根据证据变化重新组织。 但团队并非固定不变。智能体会聚集到有希望的方向上，例如架构、优化器更改或数据增强，如果方向失效则放弃。 在消耗算力之前，它们会讨论提案并互相批评。 AutoScientists 还展示了强劲结果： - 在 BioML-Bench 上平均排行榜百分位 74.4% - GPT 训练优化速度提升 1.9× - ACE2–Spike 上提升 +12.5%，同一方法迁移至 217 个 ProteinGym 试验，平均提升 +6.5%
查看原文
查看缓存全文

缓存时间: 2026/06/09 08:48

AutoScientists – 由智能体组成的研究实验室

@哈佛大学的研究人员将多个智能体连接成一个自我组织的科学团队，中间没有主导智能体。

所有智能体共享同一个工作空间：它们共享记忆，并行探索多个方向，互相批评，避免重复失败，并根据证据变化重新组织。

但团队并非固定不变。智能体可以聚集在有希望的方向上，比如架构、优化器调整或数据增强，然后在该方向失效时放弃它。

在消耗计算资源之前，它们会讨论方案并互相批评。

AutoScientists也展示了强劲的结果：

  • 在BioML-Bench上平均排行榜百分位数达到74.4%
  • GPT训练优化速度提升1.9倍
  • 在ACE2-Spike上取得+12.5%的提升，同时该方法可迁移至217个ProteinGym检测任务，平均提升+6.5%

相似文章

@Xudong07452910: 哈佛这篇最新的 AutoScientists 很值得看，它让我感觉，AI 做研究这件事可能不会走向“一个超级 AI 科学家单挑全流程”，而是更像一个会自己组织起来的 AI 实验室。 这篇文章的核心是：让多个 Agent 共享实验状态，围绕…

X AI KOLs Timeline

哈佛大学的 AutoScientists 提出一种去中心化的多智能体团队方案，让多个 Agent 共享实验状态、自动组队并评审研究方案，在多个基准上显著优于现有方法。

@dair_ai: https://x.com/dair_ai/status/2061104052818108476

X AI KOLs Following

三篇值得关注的人工智能论文综述：SkillOpt 将技能文档视为可训练参数以优化冻结的智能体；一种新方法将智能体工作流编译成模型权重，实现100倍成本降低；而 AutoScientists 引入了一个去中心化智能体团队，无需中央规划者即可进行长期科学研究。

auto-psych: 利用智能体驱动的理论发现与实验自动化心智科学

arXiv cs.AI

auto-psych 是一个基于智能体的系统，它利用LLM智能体生成假设、设计实验并分析来自众包参与者的数据，从而自动化计算认知科学中的理论发现与实验。该系统在经典的心理学范式中展示出比人类推导的理论更快、更优的理论生成能力。