🤖 AI

AutoSci: A Memory-Centric Agentic System for the Full Scientific Research Lifecycle

AutoSci 是一个以记忆为核心的智能体系统，旨在通过集成结构化持久记忆（SciMem）、五阶段执行框架（SciFlow）、多智能体算子（SciDAG）以及自我进化机制（SciEvolve），实现科研全生命周期的自动化，从而在整个研究项目中实现自主执行、知识留存和持续改进。

原作者： Weitong Qian, Beicheng Xu, Zhongao Xie, Bowen Fan, Guozheng Tang, Jiale Chen, Xinzhe Wu, Mingtian Yang, Chenyang Di, Jiajun Li, Lingching Tung, Peichao Lai, Yifei Xia, Ziyi Guo, Yanwei Xu, Yanzhao Qin

发布于 2026-06-01

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Weitong Qian, Beicheng Xu, Zhongao Xie, Bowen Fan, Guozheng Tang, Jiale Chen, Xinzhe Wu, Mingtian Yang, Chenyang Di, Jiajun Li, Lingching Tung, Peichao Lai, Yifei Xia, Ziyi Guo, Yanwei Xu, Yanzhao Qin, Shaoduo Gan, Xupeng Miao, Bin Cui

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

将科学研究想象成一个庞大且混乱的建筑工程。通常情况下，人类建筑师必须独自承担所有的蓝图、记住与工头的所有对话、追踪使用的每一件工具，并撰写最终报告。如果他们疲劳或分心，可能会丢失关键细节，导致下一个项目不得不从零开始。

AutoSci 就像一支超级组织化、能够自我进化的建筑施工队，永远不会忘记任何事情。它是一个旨在处理整个科学项目生命周期的 AI 系统——从最初的想法火花到最终发表论文。

以下是它的工作原理，分为四个简单的部分：

1. “超级大脑” (SciMem)：一个会自动整理的档案柜

大多数 AI 助手只有短期记忆（就像一张便签），对话结束就会消失。AutoSci 拥有长期记忆，它就像一座巨大且组织严整的图书馆。

图书馆： 它不仅存储文本，还存储信息的“类型”。它能区分什么是“概念”（如重力）、“方法”（如何测试它）以及“人物”（谁发现了它）。
活跃工作区： 虽然图书馆保存着历史记录，但还有一个用于当前项目的“活跃工作区”。它会追踪每个想法的状态（是在测试中？失败了吗？还是准备好撰写了？）。
神奇之处： 当一个项目结束时，学到的教训并不会消失。它们会被重新分类并存回图书馆，以便下一个项目能立即使用。这就像一位厨师记得上次哪道菜失败了以及失败的原因，因此明天不会再犯同样的错误。

2. “项目经理” (SciFlow)：一条流水线

研究不仅仅是一场大的聊天，它是一系列有序的步骤。AutoSci 使用一个项目经理来运行一个严格的五步流水线：

阅读： 它阅读所有现有的书籍和论文。
构思： 基于所读内容提出新想法。
实验： 运行测试以验证想法是否可行。
写作： 将结果转化为论文。
反驳： 处理来自评审员（那些检查工作的人）的反馈。
项目经理确保如果系统被中断，它可以准确地从中断处继续，因为每一步都保存在“超级大脑”中。

3. “特种作战小组” (SciDAG)：请入专家

有时，单个任务对于单个 AI 来说太难了。AutoSci 可以调用特种作战小组。

想象你需要解决一个非常棘手的数学问题。与其让一个人尝试解决，不如让 AutoSci 组建一个小队。
一个智能体（Agent）为某种方案辩护，另一个试图拆解它，第三个负责检查数学计算。它们按照特定的模式（即“有向无环图”，简称 DAG）协同工作，直到它们对最佳答案达成一致。
这个团队是可复用的。如果他们今天解决了一个问题，他们的“行动方案”就会被保存下来，以便下次遇到类似问题时使用相同的策略。

4. “教练” (SciEvolve)：从错误中学习

这是让 AutoSci 脱颖而出的部分。大多数系统只是在改进“执行任务”的能力；而 AutoSci 在改进“作为一个系统”的能力。

项目结束后，教练会观察哪里出了问题。是团队争论太久了？是记忆变得混乱了吗？还是写作风格被评审员拒绝了？
教练随后会重写规则。它会更新项目经理的清单，改变特种作战小组的组织方式，或者重新组织图书馆。
这就像一支运动队，不仅是在比赛，而且在每场比赛后都会修改他们的战术手册和训练计划，以确保下次赢得胜利。

他们到底构建了什么？

作者在两个完全不同的“建筑工地”上测试了这个系统：

计算机代码： 他们要求它优化计算机图形代码（GPU 内核）。系统阅读了论文、提出了想法、运行了测试并撰写了论文。一个自动评审员给出了 6.3 分（满分 10 分） 的评分。
药物研发： 他们要求它寻找模拟药物与人体相互作用的新方法。它经历了同样的过程，并获得了 5.8 分（满分 10 分） 的评分。

核心结论：
AutoSci 不仅仅是一个为你写一段话的工具。它是一个持久性的研究环境。它记得一切，遵循严格的过程，在需要时寻求帮助，并根据所学知识不断升级自己的操作系统。它将科学研究从一系列孤立、易忘的任务，转变为一个持续进化的旅程。

技术摘要：AutoSci —— 面向全科学研究生命周期的记忆中心化智能体系统

1. 问题陈述

传统的科学研究是一个劳动密集型、由人类驱动的过程，需要在长期的项目周期内协调文献、假设、实验、手稿和审稿回复。虽然大语言模型（LLM）智能体在自动化孤立的科学任务（如假设生成、代码执行或论文写作）方面已展示出能力，但现有系统未能提供解决全生命周期问题的统一方案。

目前的方法存在四个主要局限性：

范围碎片化： 许多系统专注于特定能力（例如，用于假设生成的“AI 共同科学家”），而非从文献到辩驳的端到端流水线。
缺乏持久状态： 长期运行的研究需要持久的状态、工具契约和可恢复的执行，而许多轻量级框架缺乏这些功能。
非结构化记忆： 现有系统通常存储非结构化的日志、摘要或人工制品。它们无法将科学信息组织为具有显式依赖关系的类型化对象，从而限制了语义解释性和跨项目复用性。
静态系统： 大多数智能体仅积累文本经验，却无法根据反馈演进其底层的技能、工作流协议或编排模板。

目前存在一个需求缺口，即需要一个能够跨多个研究项目进行执行、记忆与演进的统一自动化科学研究系统。

2. 方法论：AutoSci 架构

AutoSci 是一个以记忆为中心的智能体系统，旨在满足四个设计原则：环境交互、结构化持久记忆、受控执行以及全系统演进。它围绕四个核心模块构建：

2.1 SciMem：受模式约束的研究记忆

SciMem 作为系统的共享基质，通过将记忆分为两个不同区域来支持长期知识积累和活跃项目追踪：

长期知识记忆（Long-Term Knowledge Memory）： 存储整合后的科学知识（如主题、论文、基础、概念、方法、人物），这些实体具有显式的双向链接。该区域通过内部聚合（从新论文中提炼概念）和跨周期积累（保留过往评审的教训）不断增长。
活跃研究记忆（Active Research Memory）： 追踪正在进行的项目的状态（想法、实验、手稿、评审），并具有显式的生命周期状态（例如：提议 $\to$ 测试 $\to$ 验证）。
信任卫士（Trust Guard）： 所有对 SciMem 的写入操作都必须通过验证层，该层通过一个独立的评审智能体检查模式有效性（字段、链接）和内容有效性（证据支持），以防止错误传播。

2.2 SciFlow：基于记忆的研究生命周期

SciFlow 通过一个五阶段生命周期执行研究过程：文献 $\to$ 构思 $\to$ 实验 $\to$ 写作 $\to$ 辩驳。

基于控制架的执行（Harness-Based Execution）： 不同于自由形式的对话，SciFlow 使用一个控制架（harness）来管理状态、上下文、验证和编排。它确保项目是可中断、可恢复且可评审的。
读写循环： 每个阶段都明确地从 SciMem 读取数据并向其写入数据。例如，“构思”阶段从长期记忆中读取信息以生成想法，而“实验”阶段将带有证据的实体写回活跃记忆。
验证： 在下游阶段消费数据之前，高风险的交接环节必须经过“信任卫士”的检查。

2.3 SciDAG：基于 DAG 的多智能体增强

对于需要复杂搜索、辩论或精炼的阶段，SciDAG 作为可选的增强层。

算子图（Operator Graphs）： 任务不是以线性链的形式执行，而是作为可重用的多智能体算子（如生成、辩论、精炼、评审）的有向无环图（DAG）。
自适应执行： 图结构根据中间质量、成本和收敛信号进行自适应调整。
模板： 常用的算子图被存储为特定阶段的模板（例如，针对构思与实验的截然不同的模板），可以被检索并用于执行新任务。

2.4 SciEvolve：全系统演进

SciEvolve 将来自用户、实验和评审的反馈信号转化为系统自身的版本化更新。

信号收集： 它聚合来自用户纠错、任务结果（失败/成功）以及外部环境（新论文/会议）的信号。
演进路径：
- /dream：更新 SciMem 的组织结构（例如，归档陈旧条目、合并实体）。
- /forge：更新 SciFlow 的技能（例如，修订交接规则、强化声明-证据检查）。
- /morph：更新 SciDAG 模板（例如，修剪弱分支、针对特定问题类型专门化算子）。

3. 核心贡献

本文提出了以下贡献：

形式化定义： 它将自动化科学研究定义为一个长生命周期的系统问题，需要跨项目的执行、记忆与演进，而非孤立的任务自动化。
架构设计： 设计了一种以记忆为中心的架构，其中结构化持久记忆作为工作流、多智能体执行和自我改进的基质。
系统实现： 实现了一个集成了生命周期技能、受控执行、基于 DAG 的增强以及版本化自我演进的端到端系统。
实验评估： 通过两个端到端案例研究，证明了系统生成可评审论文级人工制品的能力。

4. 实验结果

作者通过两个领域的两个端到端案例研究对 AutoSci 进行了评估：GPU 内核优化和生物医学药物发现。

案例研究 1：GPU 内核优化
- 任务： 利用 Claude Code 在性能反馈的引导下，迭代优化 Triton GPU 内核。
- 过程： AutoSci 生成了五个候选方向，通过新颖性检查和初步运行进行过滤，并选择了“基于剖析引导的 Claude Code 智能体”方法。它在 4× NVIDIA A40 GPU 上执行了完整的实验套件（敏感性分析、主扫描、消融实验）。
- 结果： 生成了 157 个可执行内核，其几何平均加速比为基准的 1.52×。
- 论文评估： 生成的手稿获得了自动化的 ICLR 评审分数 6.3/10，被评为“细致的实证研究”，具有很强的追踪记录，但受限于单模型/硬件范围。
案例研究 2：生物医学药物发现
- 任务： 用于降解剂靶点命名的结构感知翻译后修饰（PTM）建模。
- 过程： 系统探索了 PTM 建模，执行了验证模块，并通过区分已执行模块与预注册后续模块来处理负面结果。
- 结果： 生成了面向手稿的人工制品。
- 论文评估： 生成的手稿获得了自动化的 ICLR 评审分数 5.8/10，被评为“透明的负面结果论文”，具有有用的校准能力，但受限于单一评分器。

在这两个案例中，系统都成功生成了结构化的、可评审的人工制品，而非孤立的实验输出。评审意见强调了可改进之处（例如，有限的外部有效性、缺失对比项），而这些正是系统设计用于未来演进的反馈。

5. 重要性与主张

本文声称 AutoSci 代表了迈向统一自动化科学研究系统的一步，填补了孤立智能体能力与完整研究生命周期之间的空白。

持久研究环境： 通过将记忆分为长期知识和活跃研究区域，AutoSci 允许系统“记住”可重用的科学知识和跨项目的经验，超越了“单会话助手”的范式。
自我演进能力： 与仅积累文本的系统不同，AutoSci 声称能根据反复出现的反馈模式演进其自身的运行协议（技能、模板、记忆模式）。
局限性说明： 作者承认当前的实现是构建在通用编程智能体之上的技能包，而非专门化的科学基础模型。他们还指出，评估仍处于起步阶段，主要依赖于端到端案例研究和自动化评审代理，而非针对完整研究系统的既定基准测试。

AutoSci 的意义在于它展示了：一种以记忆为中心、受控且能自我演进的架构，可以执行完整的科研循环——从理解文献到生成手稿——同时保持科学过程的结构化与可重用记录。