Kosmos：用于自主发现的 AI 科学家

数据驱动的科学发现需要文献检索、假设生成和数据分析的迭代循环。尽管已有所进展，致力于自动化科学研究的 AI 代理仍受限于其能执行的动作数量，在丢失连贯性前限制了发现的深度。本文介绍了 Kosmos——一个自动化数据驱动发现的 AI 科学家。给定开放性目标和数据集，Kosmos 可在最高持续 12 小时内，执行平行的数据分析、文献检索和假设生成循环，再将发现综合为科学报告。与先前系统不同，Kosmos 使用结构化世界模型在数据分析代理和文献检索代理之间共享信息。世界模型使 Kosmos 能够在 200 次代理滚动过程中连贯追求指定目标，累计执行平均 42,000 行代码并读取每次报告中的 1,500 篇文献。Kosmos 为报告中的所有陈述提供代码或原始文献的引用，确保其推理可追溯。独立科学家发现 Kosmos 报告中 79.4% 的陈述为准确，合作伙伴报告称，单个 20 周期的 Kosmos 运行相当于他们各自研究时间的平均 6 个月。此外，合作伙伴报告称，Kosmos 周期产生的有价值科学发现数量随 Kosmos 周期数线性增长（实验最高测试至 20 周期）。我们展示了 Kosmos 所发现的七项发现，涵盖代谢组学、材料科学、神经科学和统计遗传学。其中三项发现独立复现了预印本或未公开的手稿中的发现（Kosmos 在运行时未访问这些手稿），另有四项为科学文献带来了新颖贡献。