AutoScientists 釋出：讓去中心化 AI 組團做科研，實驗提速 1.9 倍

在科研實驗室裡，最浪費資源的事情往往不是點子不夠多，而是幾個小組在不知情的情況下各踩各的坑，或者全靠一個導師發號施令，一旦指揮卡殼整個專案就停擺。

AI 搞科研其實也面臨同樣的尷尬。之前的科研智慧體要麼是一條道走到黑的單兵作戰，要麼依賴一個目標僵化的中央排程器，很難在長週期實驗里根據新發現隨時調整，更記不住前人踩過的雷。

研究團隊釋出了去中心化科研多智慧體系統 AutoScientists。它把從提出假設、規劃實驗、跑迭代到分析結果的全流程打通，專門用來應對漫長的計算科學實驗。

不搞一言堂，AI 自己組隊挑刺

AutoScientists 最核心的改變，在於打破了以往由單一中央大腦分派任務的模式。

系統內所有智慧體都面向一個共享的實驗狀態看板。當某個假設展現出探索潛力時，智慧體們會自發組織成臨時小團隊展開攻關。

更有意思的是它們的避坑機制。在真正消耗昂貴算力跑實驗之前，智慧體之間必須先互相評審提議，砍掉不靠譜的方案。

同時，系統不僅記錄成功，還把每一次失敗的嘗試同步給所有人。這樣一來，後續的探索就不會在同一個死衚衕裡反覆打轉。

相同預算下，連刷三項計算基準

在嚴格匹配實驗預算的前提下，AutoScientists 在多項複雜測試中壓過了以往的 AI 智慧體。

在涵蓋生物醫學成像、蛋白質工程、單細胞組學和藥物發現的 BioML-Bench 評測中，它橫跨 24 項任務拿到了 74.4% 的平均排行榜百分位，比此前最強的 AI 智慧體高出 8.33 個百分點。

在最佳化 GPT 訓練的任務上，它達到目標驗證指標的速度比 Autoresearch 快了 1.9 倍。更關鍵的是，當基準單智慧體在既有冠軍方案面前完全卡殼、找不到任何提升時，AutoScientists 依然挖出了 7 項被最終採納的有效改進。

在 ProteinGym 適應度預測任務中，它自主摸索出一種預測 ACE2-Spike 結合的新方法，將 Spearman 相關係數較現有 SOTA 提高了 12.5%。在不加任何修改的情況下，這一方法直接套用到全部 217 項 ProteinGym 測定中，整體表現依然比原先的 SOTA 高出 6.5%。

為什麼重要

我們認為，這項研究最聰明的地方，在於它抓住了科研的核心瓶頸：長週期探索裡，最寶貴的不是生成假設的腦洞，而是控制算力浪費與沉沒成本的能力。

以往的科研智慧體動輒在無效程式碼上狂刷 GPU，AutoScientists 引入事前相互評審和失敗記憶共享，本質上是在用低成本的文本博弈去替代高昂的計算試錯。這種去中心化自組織的打法，比死板的排程指令碼更契合真實的科研規律。

對從事計算生物學、大模型調優的研發團隊來說，這套邏輯極具參考價值。它意味著以後的自動化實驗不僅是幫人跑指令碼，而是能真正承擔起長達數週、具備抗挫折能力的並行探索。

不過也要看到它的邊界。這套系統目前展現威力的領域全部侷限在能夠閉環跑程式碼的計算實驗裡，距離接管真實世界需要試管和儀器的溼實驗還差得很遠。但無論如何，AI 智慧體正在從流水線上的操作工，快速蛻變為能彼此協作、懂得繞開彎路的數字研究員。