论文页面 - 定位：科学团队中的AI智能体应作为人机系统来研究

来源：https://huggingface.co/papers/2608.14667
发布于8月2日

·

由https://huggingface.co/LeoYML提交

Leo Y (https://huggingface.co/LeoYML)于8月18日

作者：

,

,

,

,

,

,

,

,

,

,

,

摘要

与AI智能体开展科学协作需要研究人机对组，以避免研究多样性降低等风险，并促进协同发现。

基于大语言模型的智能体（https://huggingface.co/papers?q=Large%20language%20model-based%20agents）正越来越多地作为科学发现的协作者被部署，但当前大多数研究聚焦于“AI科学家“（https://huggingface.co/papers?q=AI%20Scientists）的自主能力。我们认为，这种视角忽视了科学团队协作的社会性维度，将AI科学家（https://huggingface.co/papers?q=AI%20Scientists）作为人机系统（https://huggingface.co/papers?q=human-agent%20systems）（HAS）来研究——即以人机对组为分析单元——既未被充分探索，也未受到足够重视。本文通过文献分析与实证研究论证这些观点，并指出近期案例与研究表明：若忽视人机动态（https://huggingface.co/papers?q=human-agent%20dynamics）而部署科研智能体，将带来近期风险，包括科学探索多样性的降低。通过现实案例的分析，我们展示了科学家与智能体如何相互增强能力。我们呼吁开展新研究，以人机系统视角建立数学框架，理解并促进科学发现中的人机协同（https://huggingface.co/papers?q=human-AI%20synergy）。

查看arXiv页面（https://arxiv.org/abs/2608.14667）查看PDF（https://arxiv.org/pdf/2608.14667）添加至收藏夹（https://huggingface.co/login?next=%2Fpapers%2F2608.14667）

引用本文的模型 0

无模型链接本文

在模型README.md中引用arxiv.org/abs/2608.14667，即可从本页面链接该模型。

引用本文的数据集 0

无数据集链接本文

在数据集README.md中引用arxiv.org/abs/2608.14667，即可从本页面链接该数据集。

引用本文的空间 0

无空间链接本文

在空间README.md中引用arxiv.org/abs/2608.14667，即可从本页面链接该空间。

包含本文的收藏夹 0

无收藏夹包含本文

将本文添加至收藏夹（https://huggingface.co/new-collection），即可从本页面链接该收藏夹。