重新思考智能体时代的科学发现
摘要
本文介绍了SCION,一个智能体科学操作系统,它通过研究执行计划(REP)和分层多智能体执行,集成了AI工具用于科学发现。该系统在材料分析、分子设计和蛋白质筛选等应用中表现出色,超越了现有的自主研究智能体基线。
arXiv:2607.03863v1 公告类型: 新
摘要: 人工智能推动了科学发现,但大多数AI4Science系统仍然是碎片化的工具,依赖人类来协调问题表述、文献基础、模型使用、模拟、验证和知识重用。本文提出了\textbf{SCION(基于智能体组织节点的科学协作创新)},这是一个作为\textbf{组织节点}的智能体科学操作系统。通过一个作为\textbf{元控制框架}的科学智能体,SCION连接了科学任务、工具、智能体、工件和记忆,将研究转化为可执行、可审计、可重用的操作过程。其核心是\textbf{研究执行计划(REP)},它将高层科学意图编译为阶段性目标、依赖关系、验证检查点、工具需求、预期工件和回退条件。SCION还集成了分层多智能体执行、基于配置文件的专业化、选择性上下文构建、受控委派和分层认知记忆,以支持长期科学工作。我们将SCION下的发现形式化为\textbf{目标条件逆向搜索},并通过在有限实验预算下的批量主动搜索将其扩展到隐藏目标设置。在材料分析、分子设计、蛋白质或抗体筛选中的应用,以及科学阅读、想法生成、分子生成和抗体筛选的实验表明,SCION在分解、验证、细化和记忆重用方面优于现有的自主研究智能体基线。总体而言,SCION将AI从孤立工具转向协调的操作层,以实现可追溯和可重用的科学创新。
查看缓存全文
缓存时间: 2026/07/07 04:38
# 在智能体时代重新思考科学发现 来源:https://arxiv.org/abs/2607.03863 作者:Yining Zheng (https://arxiv.org/search/cs?searchtype=author&query=Zheng,+Y),Yuxin Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+Y),Jiahao Lu (https://arxiv.org/search/cs?searchtype=author&query=Lu,+J),Shicheng Fang (https://arxiv.org/search/cs?searchtype=author&query=Fang,+S),Weiyi Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+W),Yongzhuo Yang (https://arxiv.org/search/cs?searchtype=author&query=Yang,+Y),Bowen Li (https://arxiv.org/search/cs?searchtype=author&query=Li,+B),Haochen Ma (https://arxiv.org/search/cs?searchtype=author&query=Ma,+H),Chen Hu (https://arxiv.org/search/cs?searchtype=author&query=Hu,+C),Bowen Chen (https://arxiv.org/search/cs?searchtype=author&query=Chen,+B),Yang Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+Y),Huanhui Chen (https://arxiv.org/search/cs?searchtype=author&query=Chen,+H),Yitong Chen (https://arxiv.org/search/cs?searchtype=author&query=Chen,+Y),Jiajun Chen (https://arxiv.org/search/cs?searchtype=author&query=Chen,+J),Zhiyuan Li (https://arxiv.org/search/cs?searchtype=author&query=Li,+Z),Yanlin Li (https://arxiv.org/search/cs?searchtype=author&query=Li,+Y),Zhuo Yang (https://arxiv.org/search/cs?searchtype=author&query=Yang,+Z),Qifeng Wu (https://arxiv.org/search/cs?searchtype=author&query=Wu,+Q),Jiaying He (https://arxiv.org/search/cs?searchtype=author&query=He,+J),Zhijie Jinluo (https://arxiv.org/search/cs?searchtype=author&query=Jinluo,+Z),Xiaohu Xu (https://arxiv.org/search/cs?searchtype=author&query=Xu,+X),Yi Feng (https://arxiv.org/search/cs?searchtype=author&query=Feng,+Y),Juncheng Qian (https://arxiv.org/search/cs?searchtype=author&query=Qian,+J),Yizhou Chen (https://arxiv.org/search/cs?searchtype=author&query=Chen,+Y),Yang Cheng (https://arxiv.org/search/cs?searchtype=author&query=Cheng,+Y),Tong Zhu (https://arxiv.org/search/cs?searchtype=author&query=Zhu,+T),Tianlei Ying (https://arxiv.org/search/cs?searchtype=author&query=Ying,+T),Hongyu Yu (https://arxiv.org/search/cs?searchtype=author&query=Yu,+H),Hongjun Xiang (https://arxiv.org/search/cs?searchtype=author&query=Xiang,+H),Xipeng Qiu (https://arxiv.org/search/cs?searchtype=author&query=Qiu,+X) 查看 PDF (https://arxiv.org/pdf/2607.03863) > **摘要:**人工智能推动了科学发现,但大多数AI4Science系统仍然是碎片化的工具,依赖人类来协调问题构建、文献基础、模型使用、仿真、验证和知识复用。本文提出了**SCION(科学协作创新与智能体组织枢纽)**,一个作为**组织枢纽**的智能体科学操作系统。通过一个作为**元框架**的科学智能体,SCION连接了科学任务、工具、智能体、工件和记忆,将研究转化为可执行、可审计和可复用的操作流程。其核心是**研究执行计划(Research Execution Plan, REP)**,它将高级科学意图编译为阶段性目标、依赖关系、验证检查点、工具需求、预期工件和回退条件。SCION进一步集成了分层多智能体执行、基于配置文件的专业化、选择性上下文构建、受控委派和分层认知记忆,以支持长时间跨度的科学工作。我们在SCION下将发现形式化为**目标条件逆搜索**,并通过有限实验预算下的批量主动搜索将其扩展到隐藏目标设置。在材料分析、分子设计以及蛋白质/抗体筛选中的应用,连同关于科学阅读、想法生成、分子生成和抗体筛选的实验表明,SCION在分解、验证、改进和记忆复用方面优于现有的自主研究智能体基线。总体而言,SCION将人工智能从孤立的工具转变为可追溯和可复用的科学创新的协调操作层。 ## 提交历史 来自:Yuxin Wang [查看邮件 (https://arxiv.org/show-email/98c2867f/2607.03863)] **[v1]** 2026年7月4日,星期六 13:09:33 UTC (2,188 KB)
相似文章
AutoSci:面向完整科研生命周期的以记忆为中心的智能代理系统
AutoSci是一个以记忆为中心的智能代理系统,旨在自动化完整的科学研究生命周期,从文献理解到回复审稿意见,使用基于LLM的智能体,具有持久记忆和自我进化能力。
EvoScientist:面向端到端科学发现的多智能体进化AI科学家
EvoScientist 是一个用于端到端科学发现的自适应多智能体框架,通过持久化记忆模块持续改进,由三个专业智能体组成,分别负责创意生成、实验执行和知识提炼。它在科学创意生成方面超越了7个当前最先进的系统,并通过多智能体进化提升了代码执行成功率。
科学领域的代理型AI实验
本文介绍了两个代理型AI框架:DeepTS/DeepCollector和DeepScribe,它们利用混合本地-云端架构和大语言模型,自动化科学工作流程,包括时间序列数据整理以及将物理讲座转化为结构化报告。
EvoSci:一种受生物启发的多智能体框架,用于科学发现的演化
EvoSci提出了一种受生物启发的多智能体框架,将进化算法与知识图谱建模相结合,以迭代生成、评估和完善研究想法,在同行评审评估中取得了最佳性能。
用于高维物理系统中自主科学发现的苏格拉底式智能体
介绍了AHOIS,一个将苏格拉底式助产术嵌入闭环实验以实现认知自主性的多智能体AI科学家,能够在高维物理系统中自主进行假设构建、测试和修订,并在多模光纤光学平台上进行了演示。