Evaluating agentic AI for biological discovery in autonomous and copilot settings

核心要点

问题/背景

这篇 bioRxiv 论文不是普通生信 pipeline 自动化，而是直接评估 agentic AI 在开放式 biological discovery 中能做什么、不能做什么。它把问题放在多组学单细胞数据、异质临床上下文和假设生成上。

方法/机制

作者提出 M3A Framework，用于支持 LLM-driven reasoning over persistent multimodal data states，并记录 agent 在 autonomous 与 human-AI copilot 设置下的推理行为。评估任务包括 cell-type annotation、gene program hypothesis generation 和专家协作实验。

结果/证据

正式收录价值在于它提供了 AI for biology agents 的评测框架和边界画像：当前 agent 擅长广域探索和结构化分析，但领域专家仍对方法指导和生物学综合判断关键。这比单点 benchmark 更接近真实科研工作流。

收录价值

它不是更高一级，因为仍是预印本，且 agent 能力评价依赖具体数据集和任务设计；但它明确推进了 autonomous/collaborative biological discovery 的评估接口。