科学发现旗舰工作
突破级
暂无讲解视频
核心要点
- 问题/背景
- 这篇论文不是提出新的科研 agent，而是评估 AI research agents 会如何改变科学探索空间。
- 方法/机制
- 作者用四个 agent framework 和六个 LLM 从共同种子文献生成 37,802 个科研想法，并与同领域人类论文、后续人类研究和种子文献比较。
- 结果/证据
- 核心发现偏负面但重要：AI ideas 比人类论文更集中、更接近起始文献，差异更多来自技术重组而非真正探索新的问题空间。
- 收录价值
- 收录价值在于它给自动科研热潮提供了科学搜索层面的审计框架，提醒 agentic discovery 可能扩大产量但缩窄探索。
论文摘要
本文研究人工智能研究代理作为科学搜索系统，从四个代理框架和六个大型语言模型生成了37,802个想法。研究发现，人工智能生成的想法比人类撰写的论文更集中，更贴近种子文献，并且通常会重新组合现有方法而不是扩展探索。
英文原文
The paper studies AI research agents as scientific search systems, generating 37,802 ideas from four agent frameworks and six LLMs. It finds AI-generated ideas are more concentrated than human-authored papers, stay closer to seed literature, and often recombine existing methods rather than expanding exploration.