AutoScientists：开源科学发现智能体系统

信号 @0xLogicrw：由 Shanghua Gao、Ada Fang 和 Marinka Zitnik 等组成的联合团队，来自哈佛医学院、Kempner 研究所和 Broad 研究所等机构，发布了 AutoScientists，这是一个用于自动化科学发现的开源框架。该系统采用多智能体架构，专业的推理智能体通过结构化的社会协议进行交互，以生成假设、设计实验并综合文献，自主运行以加速研究流程。

背景：科学发现传统上受限于人工文献综述、假设制定和实验设计周期。AutoScientists 通过将研究工作流分解为离散的、可通信的智能体角色来解决这一问题。该框架不依赖单一的单体模型，而是协调多个专业智能体，通过定义的交互协议对科学主张进行协商、验证和迭代。这种方法反映了机构的研究实践，即领域专业知识分布在各个团队中，并通过正式的沟通渠道进行协调。此次发布提供了底层代码库、智能体配置和评估基准，将自动化发现定位为可复现的开源基础设施层，而非封闭的专有服务。

相关性：该框架将研究工作流向结构化、多智能体方向转变的过程操作化，将科学探究视为可编程的过程。通过将智能体间的通信和角色专业化形式化，它降低了单一模型研究助手的脆弱性，并引入了可验证的协调机制。这与更广泛的基础设施趋势相一致，即自主系统由显式协议、状态跟踪和跨智能体验证来管理，而非依赖启发式提示。开源发布还为评估自动化研究环境中的长程推理、假设验证和文献综合建立了基线。

当前状态：AutoScientists 作为一个开源版本发布，附带详细的智能体配置和交互协议文档。该框架支持模块化智能体替换，允许研究人员在保持协调层不变的情况下集成不同的基础模型。初步评估侧重于生物医学和计算领域中假设生成的准确性、实验设计的可行性以及文献综述的全面性。该系统作为独立的编排层运行，需要外部工具来进行实际的实验执行或数据库查询。

开放问题：

• 该框架在文献综合中如何处理相互矛盾的证据或负面结果？
• 在智能体协商过程中，存在哪些机制来防止幻觉引用或捏造实验参数？
• 当与外部湿实验室自动化或专有研究数据库集成时，系统如何扩展？
• 在长程发现周期中，执行了哪些治理边界以防止自主智能体漂移？

关联：该架构与强调角色专业化和协议驱动通信的多智能体协调框架共享设计原则。它通过在智能体之间引入结构化的社会交互，扩展了自主研究模式，从顺序任务执行转向协作假设验证。开源发布提供了一个参考实现，用于评估分布式推理系统如何在没有集中监督的情况下保持事实完整性和方法论严谨性。

译注

• 推理 (tuī lǐ)：在中文里，“推理”（inference/reasoning）一词包含“理”（lǐ，事物的自然纹理或内在规律）。这微妙地重塑了 AI 推理的概念：它不仅仅是计算，更是追踪科学知识内在模式与逻辑纹理的过程。