Bohrium + SciMaster：构建 Agentic Science 大规模基础设施与生态系统
人工智能
2025-12-24 v1
摘要
AI 代理正在成为一种实际的多步骤科学工作流程方式，这些工作流程交替进行推理、工具使用和验证，指向从孤立的 AI 辅助步骤向 \emph{按需规模的科学} 转变。这一转变日益可行，因为科学工具和模型可以通过稳定接口被调用，并通过记录的执行痕迹进行验证；也日益必要，因为 AI 加速了科学产出并加剧了同行评审和出版管道，提高了可追溯性和可信评估的要求。然而，按需规模的科学仍然面临困难：工作流程难以观察和复现；许多工具和实验室系统不具备代理就绪状态；执行难以追踪和管控；原型 AI 科学家系统往往是专制的，限制了复用和从真实工作流程信号中进行系统性改进。我们认为，按需规模的科学需要一种基础设施与生态系统方法，实例化于 Bohrium+SciMaster。Bohrium 作为 AI4S 资产的受管理、可追溯的中枢——类似于 AI for Science 的 HuggingFace ——将多样化的科学数据、软件、计算和实验室系统转化为代理就绪的能力。SciMaster 将这些能力编排成长期科学工作流程，供科学代理调用。基础设施与编排之间，\emph{科学智能基质} 将可重用的模型、知识和组件组织为可执行的构建模块，用于工作流程推理和行动，使其能够组合、可审计和通过使用进行改进。我们以 11 个具有代表性的主导代理在真实工作流程中演示了该堆栈，在端到端科学周期时间上实现了数量级的减少，并在规模为数百万的真实工作负载中生成执行依据的信号。
引用
@article{arxiv.2512.20469,
title = {Bohrium + SciMaster: Building the Infrastructure and Ecosystem for Agentic Science at Scale},
author = {Linfeng Zhang and Siheng Chen and Yuzhu Cai and Jingyi Chai and Junhan Chang and Kun Chen and Zhi X. Chen and Zhaohan Ding and Yuwen Du and Yuanpeng Gao and Yuan Gao and Jing Gao and Zhifeng Gao and Qiangqiang Gu and Yanhui Hong and Yuan Huang and Xi Fang and Xiaohong Ji and Guolin Ke and Zixing Lei and Xinyu Li and Yongge Li and Ruoxue Liao and Hang Lin and Xiaolu Lin and Yuxiang Liu and Xinzijian Liu and Zexi Liu and Jintan Lu and Tingjia Miao and Haohui Que and Weijie Sun and Yanfeng Wang and Bingyang Wu and Tianju Xue and Rui Ye and Jinzhe Zeng and Duo Zhang and Jiahui Zhang and Linfeng Zhang and Tianhan Zhang and Wenchang Zhang and Yuzhi Zhang and Zezhong Zhang and Hang Zheng and Hui Zhou and Tong Zhu and Xinyu Zhu and Qingguo Zhou and Weinan E},
journal= {arXiv preprint arXiv:2512.20469},
year = {2025}
}