科学人工智能：用于自动发现最新成果的科学人工智能
机器学习
2026-05-19 v1
摘要
科学人工智能是研究的基石。随着HuggingFace等平台的快速发展，研究人员现在可以访问大量人工智能资源。然而，一个关键挑战仍然存在：如何通过充分利用现有资源，自动发现给定数据集的最新模型？我们将此任务形式化为通过将HuggingFace建模为人工智能资源图来实现自动发现最新成果，其中节点表示模型/数据集，边表示评估。我们提出ArtifactLinker，一个两个阶段的框架：（1）使用图神经网络（GNN）或图增强型大型语言模型（LLM）对潜在的未观察到的模型-数据集链接进行排序；（2）通过LLM-based代理进行编码实验来验证顶级排序链接。我们进一步引入一个名为ArtifactBench的基准数据集，包含14,053个人工智能资源和51,337个关系，用于评估两个阶段的性能。结果表明：（1）现有人工智能资源之间的图结构对于缺失链接预测非常有效；（2）使用ArtifactLinker进行端到端排序和验证有助于发现潜在的最新成果和研究洞见。
引用
@article{arxiv.2605.16902,
title = {ArtifactLinker: Linking Scientific Artifacts for Automatic State-of-the-Art Discovery},
author = {Haofei Yu and Jiaxuan You and Peter Clark and Bodhisattwa Prasad Majumder and Kyle Richardson},
journal= {arXiv preprint arXiv:2605.16902},
year = {2026}
}
备注
12 pages