ScienceIDE:将全球科学代码库转化为智能体可学习环境
摘要
ScienceIDE引入了基础设施,用于将科学代码仓库转化为科学智能体的可编程环境,支持任务生成、执行和验证,训练后的模型在科学代码修复和通用能力方面均有提升。
查看缓存全文
缓存时间: 2026/09/17 06:56
论文页面 - ScienceIDE:将全球科学代码库转化为智能体可学习环境
来源:https://huggingface.co/papers/2609.19134
发布于 9月16日
#1 每日精选论文 (https://https://huggingface.co/papers/date/2026-09-17) 作者:
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
摘要
科学代码仓库以可执行模型、方法与工具的形式,编码了数十年的人类知识。然而,碎片化的工具链、隐式的领域规范与专门的正确性标准,使得这些知识难以转化为可靠的学习经验——这一挑战我们称之为科学经验瓶颈。我们推出 ScienceIDE,这是一个将全球科学代码转化为智能体可编程环境的基础设施。通过遵循专家定义的科学用例与验收标准,智能体能够将代码仓库转化为可执行环境,支持任务生成、执行与科学验证。这些环境为监督微调、强化学习和评估提供了一个共享基础。利用经过验证的交互轨迹,我们训练了 PhAI-IDE-72B、PhAI-IDE-9B 与 PhAI-IDE-4B 模型。该模型系列在留出测试集上的科学代码修复任务以及在代码、推理和知识等通用基准测试中均展现出性能提升,这为科学经验对更广泛能力的积极迁移提供了证据。ScienceIDE 为智能体学习与科学实践的集成工作空间奠定了基础,使人类科学软件成为发展科学智能的共享底座。代码:https://github.com/aitofound/ScienceIDE
查看 arXiv 页面 (https://arxiv.org/abs/2609.19134)查看 PDF (https://arxiv.org/pdf/2609.19134)项目主页 (https://huggingface.co/collections/AItonomy/scienceide-model-series)GitHub5 (https://github.com/aitofound/ScienceIDE)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.19134)
在您的智能体中获取此论文:
hf papers read 2609\.19134
尚未安装最新版 CLI?curl \-LsSf https://hf\.co/cli/install\.sh \| bash
引用本文的模型0
暂无模型关联此论文
在模型 README.md 中引用 arxiv.org/abs/2609.19134 以在此页面建立关联。
引用本文的数据集0
暂无数据集关联此论文
在数据集 README.md 中引用 arxiv.org/abs/2609.19134 以在此页面建立关联。
引用本文的 Space0
暂无 Space 关联此论文
在 Space README.md 中引用 arxiv.org/abs/2609.19134 以在此页面建立关联。
包含本文的收藏集0
暂无收藏集包含此论文
将此论文添加到收藏集 (https://huggingface.co/new-collection)以在此页面建立关联。
相似文章
SWE-bench Science:编码代理能否解决科学工程任务?
SWE-bench Science 引入了一个仓库级基准,用于评估编码代理在科学软件修复任务中的表现,揭示了失败机制和科学指导的混合效应。
重新思考智能体时代的科学发现
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。
代理人工智能时代的科学计算
OpenAI 分享了一份实地报告,介绍如何使用像 Codex 和 Claude Code 这样的 AI 代理来协助科学计算项目,展示了在软件开发和维护方面的显著加速,同时将研究人员的角色转变为验证和编排。
@googleaidevs: 构建用于科学发现的自主智能体?@GoogleDeepMind 的 Science Skills 现已在 GitHub 上发布。我们已…
Google DeepMind 已开源 Science Skills,这是一套针对基因组学、结构生物学和化学信息学等科研任务的智能体技能集合,旨在以科学依据和更高的令牌效率加速智能体工作流程。
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。