AI Scientist-v2：基于Agentic Tree Search的工作量级自动化科学发现
人工智能
2025-04-14 v1 计算与语言
机器学习
摘要
AI正在以关键作用改变科学发现的制作方式。我们引入AI Scientist-v2，这是一个能够产生首个完全由AI生成的同行评审接受工作论文的端到端agentic系统。该系统迭代式地构建科学假设、设计并执行实验、分析和可视化数据，以及自主撰写科学论文。与其前身（v1，Lu等人，2024，arXiv:2408.06292）相比，AI Scientist-v2消除了对人类编写代码模板的依赖，能够有效地跨越 diverse machine learning 领域，并且利用一种 novel progressive agentic tree-search 方法，该方法由专门的实验经理 agent 管理。此外，我们通过集成Vision-Language Model（VLM）反馈循环来增强AI审稿人组件，以实现内容和图 Figure 审美的迭代优化。我们通过将三个完全自主的论文提交给同行评审的ICLR工作会来评估AI Scientist-v2。值得注意的是，一篇论文获得了足够高的分数，超过了人类平均接受阈值，标志着完全AI生成的论文成功通过了同行评审。这一成就凸显了AI在科学研究全方位发挥越来越重要的作用。我们预计，进一步的自主科学发现技术的进步将深刻影响人类知识的生成，使研究生产力实现前所未有的规模，并且显著加速科学突破，极大惠及社会。我们已在https://github.com/SakanaAI/AI-Scientist-v2 上开源代码，以促进这项变革性技术的未来发展。我们还讨论了AI在科学中的作用，包括AI安全问题。
引用
@article{arxiv.2504.08066,
title = {The AI Scientist-v2: Workshop-Level Automated Scientific Discovery via Agentic Tree Search},
author = {Yutaro Yamada and Robert Tjarko Lange and Cong Lu and Shengran Hu and Chris Lu and Jakob Foerster and Jeff Clune and David Ha},
journal= {arXiv preprint arXiv:2504.08066},
year = {2025}
}