SR-Scientist：基于智能体 AI 的科学方程发现
人工智能
2026-02-18 v2
摘要
最近，大型语言模型（LLM）被应用于科学方程发现，利用其内置的科学知识进行假设生成。然而，当前方法通常将 LLM 限定于基因编程等搜索算法中的方程提议者角色。本文提出了 SR-Scientist，一个将 LLM 从简单的方程提议者提升为自主 AI 科学家的框架，该科学家编写代码分析数据、实现方程、提交进行评估，并根据实验反馈优化方程。具体而言，我们将代码解释器封装为数据分析和方程评估的一组工具。该智能体被指示通过在较长的时间范围内利用这些工具来优化方程，所需的人工定义管道最小。实证结果表明，SR-Scientist 在涵盖四个科学学科的数据集上 outperform（超越）基线方法，绝对提升幅度为 6%至 35%。此外，我们展示了该方法对噪声的鲁棒性，对发现方程在域外数据的泛化性以及其符号准确性。此外，我们开发了一个端到端的强化学习框架来增强智能体的能力。
引用
@article{arxiv.2510.11661,
title = {SR-Scientist: Scientific Equation Discovery With Agentic AI},
author = {Shijie Xia and Yuhan Sun and Pengfei Liu},
journal= {arXiv preprint arXiv:2510.11661},
year = {2026}
}
备注
ICLR 2026