标签
本文介绍了面向LLM代理的假设演化协议（HEP），该协议使假设生成、测试和信念更新变得明确且可审计。在材料科学任务上的实验表明，配备HEP的代理能够泛化到不同研究问题，并且随着基础LLM能力的增强而变得更有效。
介绍了SDABench，一个评估LLMs在五个领域六种科学分析能力上的基准，发现模型在需要假设选择和机制推理的任务上表现困难。
一项对超过4000万篇论文的分析发现，AI工具提高了个人研究者的生产力和职业发展，但缩小了科学探究的范围，导致发现变得多样性和原创性降低，该研究发表在《自然》杂志上。
Noam Brown 宣布，GPT-5.6 Sol Ultra 证明了一个50年历史的数学猜想，展示了令人印象深刻的提示工程和代理提示。
介绍了ZendoWorld，这是一个受控的交互环境，用于评估AI智能体在主动视觉概念归纳方面的能力，智能体需要感知场景、推断隐藏的逻辑规则并设计信息丰富的实验。使用不同类别智能体的实验表明，高预测精度并不能保证规则恢复，基于VLM的智能体在信息性实验方面表现不佳，突出了与人类归纳推理之间的差距。
本文介绍了 Statistically Meaningful Geometry (SMG)，这是一个几何框架，用于将过参数化学习系统建模为无限维非参数 Orlicz 纤维丛。它提出在分布外刺激下，系统会发生规范对称破缺，导致新的因果轴涌现，从而能够区分真正的科学发现与幻觉。
FirstResearch 引入了一个结构化框架，用于LLM科学发现代理，该框架生成一份研究问题证书，包含原始定义、假设、机制、可证伪假设和失败更新规则，使得所提出的研究问题在执行前可被审查。使用LLM评估者的初步评估表明，以证书为中心的方法在可审计性和得分方面优于基线系统。
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。
本文介绍了LLM-PySR，一种通过控制搜索参数让语言模型引导符号方程发现的方法，同时使用数值符号回归进行拟合。该方法在基准任务上实现了准确性与复杂性的良好平衡。
达摩院（阿里巴巴）推出Elements Claw，这是一个通过筛选数百万晶体结构发现四种新型超导材料的AI智能体，有望加速材料研究。
EO-Agents 提出了一种三智能体LLM流水线，用于生成地球观测假设，利用NASA知识图谱和图神经网络对候选数据集配对进行排序，LLM智能体负责筛选、生成和评估结构化研究假设。
Sakana AI 发布了 AI Scientist-v2，一个端到端的自动化科研系统，能够从生成研究假设到撰写论文自动完成，并已通过同行评审被 ICLR2025 Workshop 接收。
本文通过引入基于证据的非平稳信念，解决了基于LLM的科学发现中静态惊奇度的局限性，并提出了信念更新过滤和多样性最大化来改进发现，在五个领域实现了30.62%更高的非平稳惊奇度。
探讨了在科学发现中验证人工智能生成假设的挑战——当不存在基准真相时如何应对，并介绍了Apodex的多智能体方法，即使用独立的验证智能体作为解决方案。
本文提出将科学发现形式化为一个元优化问题，其中LLM通过相关性加权投票生成并聚合目标函数，应用于使用数字MemComputing的3-SAT算法发现，在大规模实例上实现了67倍的加速。
本文考察了Ray Kurzweil的加速回报理论，并指出，尽管定量能力可能加速，但真正的科学发现需要一种不同的能力：对概念框架进行定性推理。本文提出Qualitative Engine for Science（QES）作为对这一缺口的回应。
PSI正在建设一个垂直整合的物理超级智能工厂，旨在通过人工超级智能加速物理学突破，并开源了一款面向物理学家的AI助手“Get Physics Done（GPD）”。
介绍了NatureBench，这是一个跨学科基准测试，包含来自Nature论文的90个任务，用于测试AI编码代理。研究发现，最好的代理（Claude Opus 4.7）仅在17.8%的任务上超越了现有最佳水平，而且其成功往往是通过将科学简化为监督式机器学习，而非真正的发现来实现的。
OpenAI的GPT-5 Pro帮助免疫学家Derya Unutmaz解开了一个关于葡萄糖如何影响T细胞分化的三年之谜，它提出脱氧葡萄糖会干扰IL-2蛋白的构建，从而导致促炎性Th17细胞增加。
NatureBench是一个跨学科基准测试，包含来自《自然》出版物的90个科学任务，旨在评估AI编码代理实现真正发现的能力。当前代理主要通过方法转化而非科学创新取得成功。