收录解读
ERA 针对科学研究中的一个真实瓶颈：研究软件和实验脚本往往需要专家长期手写，限制了计算实验迭代速度。
系统把 LLM 与 tree search 结合，以质量指标为目标反复生成、测试和改进代码；论文报告它在单细胞分析、COVID-19 住院预测、地理空间分析、斑马鱼神经活动预测和数值积分等任务中达到或超过专家级结果。
它值得正式收录，因为它不是普通 coding agent，而是把代码生成、外部研究思想整合和 empirical objective search 变成科学软件发现器，直接改变计算科学 workflow。
它没有更高，是因为任务仍围绕可度量 leaderboard 或明确指标；开放式科研问题、不可形式化目标和长期维护质量仍需验证。
原始摘要与中文对照
中文对照翻译
帮助科学家编写专家级实证软件的人工智能系统。科学发现的周期常常因支持计算实验的软件创建缓慢且依赖人工而受阻。为解决此问题，我们提出了实证研究辅助系统（Empirical Research Assistance, ERA），这是一个人工智能系统，旨在创建以最大化质量指标为目标的专家级科学软件。该系统利用大型语言模型（LLM）和树搜索（TS）来系统地改进质量指标，并智能地探索巨大的可能解决方案空间。当ERA探索并整合来自外部来源的复杂研究思想时，它能达到专家级的结果。树搜索的有效性在各种不同的任务中得到了验证。在生物信息学领域，ERA发现了40种用于单细胞数据分析的新颖方法，这些方法在公共排行榜上超越了顶尖的人工开发方法。在流行病学领域，ERA生成了14个模型，这些模型在预测COVID-19住院人数方面超越了CDC集成模型和所有其他独立模型。ERA还为地理空间分析、斑马鱼神经活动预测、积分数值解以及时间序列预测的新颖基于规则的构建生成了专家级软件。通过设计和实现针对各种任务的新颖解决方案，ERA代表着加速科学进步的重要一步。
原始摘要
The cycle of scientific discovery is frequently bottlenecked by the slow, manual creation of software to support computational experiments . To address this, we present Empirical Research Assistance (ERA), an AI system that creates expert-level scientific software whose goal is to maximize a quality metric. The system uses a Large Language Model (LLM) and Tree Search (TS) to systematically improve the quality metric and intelligently navigate the large space of possible solutions. ERA achieves expert-level results when it explores and integrates complex research ideas from external sources. The effectiveness of tree search is demonstrated across a diverse range of tasks. In bioinformatics, ERA discovered 40 novel methods for single-cell data analysis that outperformed the top human-developed methods on a public leaderboard. In epidemiology, ERA generated 14 models that outperformed the CDC ensemble and all other individual models for forecasting COVID-19 hospitalizations. ERA also produced expert-level software for geospatial analysis, neural activity prediction in zebrafish, and numerical solution of integrals, and a novel rule-based construction for time series forecasting. By devising and implementing novel solutions to diverse tasks, ERA represents a significant step towards accelerating scientific progress.