当 AI 学会做完整科研：AutoSci 如何让一个系统从读文献进化到会写论文、能回审稿意见

论文元数据

🌱 1. 一个博士生的五年，与一套系统的野心

想象一位刚入学的博士生。第一年，她泡在图书馆读文献，在笔记本上画概念图；第二年，她产生了一个想法，设计实验，跑代码，失败，重来；第三年，她终于得到一组可信的结果，开始写论文；第四年，论文投出，收到审稿意见，她逐条回复，修改，再投；第五年，论文发表，她带着积累的知识和方法论，开始下一个项目。

这五年里，什么在积累？不是单篇论文，而是结构化的知识——她知道哪些概念是领域基石，哪些方法已被证伪，哪些失败路径不必再走。这些知识以类型化的实体（论文、概念、方法、研究者）和显式的关系（A 方法扩展了 B，C 论文反驳了 D 的假设）存储在她的长期记忆中，而非散落的 PDF 批注。

AutoSci 的野心，正是将这位博士生的五年浓缩为一个可执行的系统。它不满足于"帮你读文献"或"帮你写代码"的零散功能，而是追问一个更根本的问题：一个 AI 系统能否完成从文献理解、想法生成、实验验证、论文撰写到审稿回复的完整生命周期，并且在这个过程中不断进化自身的能力？

北京大学团队给出的答案是四个模块：SciMem（记忆）、SciFlow（流程）、SciDAG（多智能体增强）、SciEvolve（进化）。四者并非并列的插件，而是一个闭环——记忆为流程提供 substrate，流程产出 artifacts 写入记忆，多智能体增强解决复杂阶段，进化则将反馈转化为系统自身的更新。

值得追问的是：为何此前无人做到？并非因为技术模块不存在——LLM 读文献、生成代码、撰写文本的能力早已被验证。真正的 gap 在于整合：现有系统或覆盖生命周期的一部分（如仅做实验设计），或虽有全循环但记忆随项目结束而清零（如一次性论文生成器），或积累了经验却不修改自身（如将过往策略存为文本但不更新工作流协议）。AutoSci 的突破口，在于将科研自动化从"工具集合"重新定义为"持久环境"——一个会学习、会进化、会记住自己曾经犯过哪些错误的系统。

🧠 2. SciMem：科研记忆不是聊天记录，而是类型化的知识图谱

现有的大模型科研助手有一个共同缺陷：对话结束后，上下文消失。下次再问，系统不记得你上周讨论的实验假设，不记得三个月前读过的那篇关键论文。少数系统保留了日志或摘要，但这些是无差别的文本堆积，而非语义可寻址的结构化记忆。

更深层的问题在于关系缺失。人类研究者的记忆不是"某篇论文说了什么"的孤立条目，而是网络——她知道 KernelBench 是 LLM 核生成领域的基准，知道它由哪些团队维护，知道它的局限（仅限 NVIDIA GPU、CUDA 在预训练中占比极低），知道哪些后续工作试图突破这些局限。当她在新项目中遇到"融合任务失败率高达 72%"时，她能立即激活 KernelBenchX 的相关记录，理解这不是她个人的实验失误，而是领域级难题。现有 AI 系统缺乏的，正是这种关系驱动的记忆导航能力。

AutoSci 的 SciMem 将记忆划分为两个区域，其区分标准不是存储介质，而是生命周期与复用范围。

2.1 长期知识记忆：跨项目的科学 substrate

长期知识记忆（Long-Term Knowledge Memory）存储的是可复用的科学知识，其组织方式不是文档，而是类型化的实体与显式关系。论文团队定义了六种核心实体类型：

• Topic（主题）：领域范围与关键观察的聚合层
• Paper（论文）：结构化的阅读笔记，提取论文 essence
• Foundation（基石）：稳定的背景知识， grounding 后续概念与方法
• Concept（概念）：可复用的科学观念或术语描述
• Method（方法）：可复用技术方法的详细实现与功能角色
• People（研究者）：研究者档案与关联研究领域

这些实体之间的关系不是模糊的"相关"，而是机械可检查的显式链接。例如，Paper 实体通过"引入/批判"关系连接到 Concept，通过"应用/扩展"关系连接到 Method；Foundation 为 Concept 和 Method 提供 stable grounding；Topic 作为最粗粒度的组织层，容纳 Paper、Foundation、Concept、Method 和 People。这种类型化 schema 使得下游技能可以按实体类型和关系检索科学上下文，而非依赖关键词搜索的运气。

长期知识记忆有两个定义性质：语义可寻址性（下游技能可直接检索类型化对象和关系）与增量可扩展性（新文献和验证发现可不断追加，使记忆成为跨项目的 reusable substrate）。

论文附录中展示了一个具体示例。在 GPU 核优化案例中，AutoSci 构建的 Topic 实体"LLM-Based Kernel Generation"包含时间线、里程碑作品、SOTA 追踪器和开放问题四个部分。其 SOTA 追踪器记录了前沿推理模型在 KernelBench 上的正确率不足 20%、kernelfoundry 达到 97% 正确率和 2.32 倍加速、AscendOptimizer 在 101 个 AscendC 算子上获得 1.21 倍几何平均加速等具体数据。开放问题部分则明确指出：融合任务在所有方法中失败率 72%、46.6% 的正确核比基线更慢、跨硬件加速比差异高达 21.4 倍。这些信息不是孤立的事实，而是被显式链接到相关 Paper、Concept 和 Method 实体的可导航知识节点。

同样，Method 实体"Optimization Rewind"记录了它的机制（从强实现中系统性地移除可识别优化 motif，保留那些确实降低硬件性能的移除）、程序（五步逆优化流程）和假设（优化 motif 可组合、单因素筛选可恢复各 motif 的边际贡献）。这些条目不是摘要，而是可供后续技能直接引用的结构化知识单元——当新的实验设计需要评估"经验挖掘"策略时，系统可以直接激活这个 Method 实体，而非重新阅读原始论文。

2.2 活跃研究记忆：项目级的工作空间

活跃研究记忆（Active Research Memory）是项目级的快速变化状态，跟踪当前研究论文或实验报告的关键 artifacts：

• Idea（想法）：从提出到测试、验证或失败的生命周期状态
• Experiment（实验）：从计划、运行到完成或放弃的状态追踪
• Manuscript（稿件）：从起草、修改、提交到最终版本的状态流
• Review（审稿）：收到的反馈、回复草稿、修改与最终决定

这些生命周期状态使活跃研究记忆成为一个结构化的进度图，而非松散的项目文件夹。系统可以随时识别哪些想法仍然可行、哪些实验产生了证据、哪些审稿关切仍未解决。更重要的是，终端活跃 artifacts 会成为回流到长期知识记忆的桥梁——验证后的想法、完成的实验发现、甚至失败尝试，都会更新对应的长程实体。

2.3 记忆的生长与流动：三个互补路径

SciMem 的扩展通过三个互补路径实现：

长程聚合：新摄入的论文不是孤立的阅读笔记，其关键观察可以更新 Topic 的领域理解，重复出现的定义可以精炼 Concept，实现细节可以丰富 Method，反复支持的背景知识可以强化 Foundation。这种流动将低级原材料转化为高级科学记忆。

跨区域流动：长期→活跃（激活阶段，想法 grounded in 主题、证据、概念和方法）和活跃→长期（固化阶段，终端 artifacts 写回可复用科学痕迹）。

跨周期积累：审稿人关切和回复结果作为跨周期笔记保留，供后续项目进入写作或回复阶段时参考。于是 SciMem 不仅增长"知道什么"，还增长"如何研究、实验、写作和回复"。

信任守卫（Trust Guard）：所有 SciMem 写入都需通过验证。形式检查由确定性 linting 处理（schema 字段、生命周期状态、链接类型、双向链接），内容检查由独立 reviewer agent 处理（证据支持与现有记忆一致性）。每个写入被标记为通过、警告或阻塞；被阻塞的 artifacts 被隔离直至解决。

Trust Guard 的设计体现了 AutoSci 对"记忆污染"的警惕。在大模型系统中，一个错误的事实——比如将某篇论文的结论张冠李戴——一旦被写入记忆，就会在后续阶段被反复引用和放大，最终产生连锁性的虚假论证。Trust Guard 的双层检查机制（形式 + 内容）将这种风险降至可控范围。形式检查确保记忆条目在结构上合规，内容检查则确保新信息与现有知识图谱一致。这种设计并非过度谨慎，而是对科研诚信的尊重——一个自动化科研系统若不能区分可靠与不可靠的信息，其产出将比人类研究者的失误更具系统性危害。

🔄 3. SciFlow：五阶段生命周期与一个执行 Harness

科研不是一次对话，而是一个长周期过程。AutoSci 将这个过程分解为五个自然阶段：文献（Literature）、想法（Ideation）、实验（Experiment）、写作（Writing）、审稿回复（Rebuttal）。每个阶段都作为基于 harness 的技能契约实现，而非自由形式的 agent 对话。

3.1 记忆接地执行

SciFlow 的核心设计原则是记忆接地（memory-grounded）：每个阶段通过显式的读写操作与 SciMem 耦合。

• 文献阶段：将外部知识写入长期记忆
• 想法阶段：读取长期记忆，写入 Idea 实体
• 实验阶段：读取选定想法，写入证据承载的 Experiment 实体
• 写作阶段：读取 provenance 和证据链，产出 Manuscript artifacts
• 回复阶段：读取提交的稿件、审稿记录和过往回复经验，写入新的 Review 记录

这种读写循环使阶段间通过 SciMem 而非短暂对话通信，后续阶段使用的记忆已被前期阶段富化。

3.2 Harness 的五重保证

五阶段生命周期描述"做什么"，而 SciFlow harness 控制"如何做"。Harness 是跨阶段的控制层，提供五重保证：

状态（State）：记录阶段输出、生命周期状态、链接和管道级进度于持久存储，使项目可从指定阶段恢复。

上下文（Context）：每个技能运行前，harness 为其配备定制的 SciMem 视图——提供该技能所需的证据、先前失败或经验，而不暴露完整记忆图。

验证（Verification）：Trust Guard 在下游阶段消费前检查记忆写入和高风险交接，包括 schema/链接验证和面向证据的 review。

反馈（Feedback）：失败和批评被当作过程信号——证据不足可触发 /refine 或自进化。

编排（Orchestration）：/research 循环调用阶段技能、记录进度、处理停止点，并通过非阻塞执行和监控支持长时实验。

这个 harness 使 SciFlow 区别于简单的 agent chain：它是可中断、可审计、可跨会话复用的研究执行框架。

Harness 的设计哲学源自对科研工作本质的理解。科研工作不是单次查询-回答，而是长时程的、有状态的、可能失败的过程。一个实验可能运行数小时甚至数天，期间系统崩溃或需要人工介入都不应导致进度丢失。一个想法可能在实验阶段被证伪，此时系统需要能够回退到想法阶段重新生成候选。一篇论文可能在审稿阶段收到根本性质疑，此时需要能够追溯实验设计的原始假设并评估其有效性。Harness 的状态持久化、上下文控制和编排能力，正是为这些真实世界的复杂性而设计。

具体而言，SciFlow 实现了 30 余个研究技能，覆盖五阶段生命周期的各个方面。这些技能不是 prompt 的堆砌，而是结构化程序——每个技能明确定义输入要求、所需 SciMem 上下文、执行步骤、检查点、输出 artifacts 格式和下游交接规则。这种结构化使技能本身成为可审计、可复用、可进化的对象，而非一次性的对话脚本。

🕸️ 4. SciDAG：当单个智能体不够时，用 DAG 来增强

科研的某些阶段——如想法生成、实验设计、论文写作——需要更广泛的搜索、辩论、验证或精炼。SciDAG 作为 SciFlow 的可选增强层，允许选定的技能调用有向无环图（DAG）形的多智能体算子作为工具。

4.1 自适应算子图

SciDAG 将每个工具调用表示为算子图。每个节点实例化一个算子（如 generate、variation、debate、refine、review），使用专门的子智能体，并基于上游节点输出产生中间结果。有向边指定信息流，条件边则通过 router 根据当前执行状态决定是否继续、重试、分支、剪枝或停止。

因此 SciDAG 不是固定的多智能体链，而是根据中间质量、成本和收敛信号自适应执行的动态图。

4.2 可进化的模板

为使这些图可复用，SciDAG 将常见算子图存储为阶段感知模板。例如，想法阶段的模板强调多样化生成和辩论；实验模板强调可靠性检查；写作模板强调证据保真度和精炼。模板库存储可复用图及其轻量级元数据和过往执行经验。对于新技能调用，SciDAG 检索合适模板、执行它，并将结果 trace 和反馈写回仓库。

AutoSci 实现了 9 个可重用算子，覆盖生成、变体、辩论、精炼、审查等功能。这些算子不是黑箱工具，而是具有显式输入契约和输出 schema 的透明组件，下游 SciFlow 阶段无需知晓 SciDAG 的内部复杂性。

以辩论（debate）算子为例：当想法阶段产生多个候选方向时，系统可以实例化两个持对立观点的子智能体，分别论证各自方向的优劣。辩论不是无目标的争吵，而是围绕预设的评价维度（新颖性、可行性、潜在影响、与现有方法的关联）进行结构化交锋。辩论结果不是简单的"赢家通吃"，而是生成一份对比分析报告，列出每个方向的强项、弱项和未决问题，供后续的路由决策使用。

再以精炼（refine）算子为例：当实验设计初稿被验证环节标记为"高风险"时，精炼算子不会盲目重写，而是首先分析风险来源（样本量不足？对照缺失？假设过于激进？），然后针对性地提出修改方案，并与原始设计进行对比。这种问题驱动的精炼比通用重写更有效，因为它利用了 SciMem 中存储的过往失败经验——系统知道哪些修改在历史上成功解决了类似问题。

🌿 5. SciEvolve：系统的自我进化，而非仅积累经验

多数科研助手系统的问题在于：它们积累了经验，却不改变自己。AutoSci 的 SciEvolve 实现了全系统进化，将反馈信号转化为对 SciMem 组织、SciFlow 技能和 SciDAG 模板的可审计更新。

5.1 信号来源

SciEvolve 从三个环境收集信号：

• 用户环境：指令、修正、研究偏好
• 任务环境：阶段结果、实验证据、失败原因
• 开放环境：新论文、代码库、会议期望

这些信号首先存入信号仓库，SciEvolve 检测重复模式并用其触发对相关系统模块的更新。

5.2 三条进化路径

/dream — SciMem 进化：定期审查近期 trace 和相关记忆邻域，可以降权或归档陈旧条目、压缩冗余材料、整合相关实体、提出跨 Concept、Method、Paper、Idea 和 Experiment 实体的新关联。记忆进化维护 SciMem 在增长过程中的可用性。

/forge — SciFlow 进化：将技能视为版本化的研究协议。一个技能不仅是 prompt，而是指定输入、所需 SciMem 上下文、执行步骤、检查、输出 artifacts 和交接规则的结构化程序。研究回合后，SciEvolve 分析重复失败模式、用户修正、审稿警告、无证据主张、高成本阶段和成功的临时修复。当证据足够稳定时，它提出补丁——如加强写作技能中的主张-证据检查、修改交接要求、或将成功的修复策略提升为可复用技能步骤。

/morph — SciDAG 进化：使用 SciDAG trace 改进跨执行的多智能体模板。当算子反复表现不佳时，修订其 prompt、角色或工具配置；当图显示稳定的失败或成功模式时，剪枝弱分支、添加验证节点、或为特定阶段和问题类型专门化模板。

SciEvolve 的关键洞察是：真正的自改进不是积累可复用文本经验，而是将重复反馈转化为对自身结构的可控更新。

🔬 6. 案例研究：GPU 优化与药物发现中的端到端验证

AutoSci 团队通过两个跨领域案例研究验证系统：GPU 核优化与生物医学药物发现。评估目标不是测试孤立技能，而是检验 AutoSci 能否运行完整研究周期——包括文献组织、想法生成、新颖性检查、可行性分析、实验设计、执行、结果解释和面向论文的 artifact 生产。

6.1 案例一：GPU 核优化

用户给出方向"基于性能反馈的迭代 GPU 算子优化"和少量种子论文。AutoSci 首先将种子论文摄入 SciMem，通过 /discover 检索并摄入额外相关论文，构建覆盖论文、主题、概念、方法、基石和研究者的结构化长期知识记忆。

随后，/ideate 提出五个候选方向：

• A：轻量级仅时间优化器
• B：基于学习的行为描述符核搜索
• C：并行路径探索器（MAP-Elites + agents）
• D：经验增强的迭代核精炼
• E：性能分析引导的 Claude Code agent

/novelty 检查淘汰 A（与仅时间反馈方法重复），B、C、D、E 进入精炼。

/exp-pilot-run 在 4×A40 预算下筛选：B 和 C 因试点计划超出成本包络被淘汰；D 因上游优化回溯挖掘会消耗主运行预算被推迟；E 被选中进行完整实验。

最终选定的路径是"性能分析引导的 Claude Code agent 优化"，在 TritonBench 工作空间中执行。AutoSci 生成可审稿的论文级 artifacts，经自动化 ICLR-review 评分获得 6.3/10。

6.2 案例二：生物医学药物发现（负面结果的价值化）

用户方向为"药物发现中的结构感知翻译后修饰（PTM）建模"。AutoSci 同样经历五阶段流程：

/ideate 提出五个候选：

• A：PTM 位点无序预测器
• B：手性感知 AF3 扩散噪声调度
• C：PTM 解析结构相互作用组
• D：PTM 条件集成
• E：PTM 感知降解剂靶点提名

/novelty 淘汰 A（子空间已饱和）和 B（AF3 权重非商业，不可微调）。C、D、E 进入 /exp-design。

复合评分优先化后，C 和 D 被推迟（C 因蛋白质组规模折叠超出预算，D 因被抢先风险），E 被选中因其 Phase-0 基线测试便宜、快速且在 RTX 4060 上可行。

E 被分解为两个子主张并执行：

1. 噪声基线校准的 ΔpTernary 改善排序
2. MD 松弛磷酸化路径 ≈ 原生 CCD-PTM token

结果否定了核心前提：在 15 个 POI / 189 个界面位点上，磷酸化 14.5%、丙氨酸扫描 15.9%、Kme3 15.7% 仅略高于 13.4% 的随机水平（p>0.3，效应量置信区间包含 0，0/69 通过 BH-FDR/Bonferroni 校正）。剂量反应对照证明算子非惰性——瓶颈在于评分器的动态范围，而非读数或阈值。

AutoSci 没有丢弃这个负面结果。相反，它将否定界限转化为预注册基准——一个未来的 PTM 敏感评分器必须清除的门槛。事后分析将负面证据与推迟的 PTM 条件想法（D）结合，再生出一个可行的后续计划：下一代想法 = PTM 敏感的三元评分器。交付物 = 否定界限 + 未来评分器必须清除的冻结阈值基准。

这一案例展示了 AutoSci 的深层设计哲学：负面结果不是失败，而是定义了下一个可行研究方向的边界。 生物医学案例的自动化 ICLR-review 评分为 5.8/10。

6.3 结构化记忆的实证

图 6 展示了 GPU 案例中构建的长期知识记忆示例图。图包含类型化实体（主题、论文、概念、方法、基石、研究者）和记录论文如何支持概念、方法如何实例化技术路径、研究者如何连接相关研究领域的链接。这种结构使后续技能能够按实体类型和关系检索科学上下文。

⚖️ 7. 评价：6.3 分与 5.8 分意味着什么？

AutoSci 的自动化 ICLR-review 评分（GPU 案例 6.3/10，生物医学案例 5.8/10）需要放在正确语境中理解。这些分数不是与人类顶级论文比较，而是衡量自动化系统产出的论文级 artifacts 的可审稿性。6.3 分意味着系统生成的论文已经具备了基本的研究完整性——有明确的问题陈述、合理的实验设计、可信的结果呈现和诚实的局限性讨论。

更具指标意义的不是分数本身，而是负面结果的价值化机制。在生物医学案例中，AutoSci 展现了人类研究者常忽视的能力：将否定证据转化为结构化约束，将推迟的想法与当前结果结合生成后续计划。这种"从失败中学习"的能力，恰恰是自动化科研系统区别于工具集合的关键标志。

人类科研文化中存在着深刻的"发表偏见"——负面结果难以发表，导致后续研究者在不知情的情况下重复同样的失败路径。AutoSci 的记忆机制从根本上改变了这一状况：负面结果不是被遗忘的脚注，而是写入长期知识记忆的显式约束。当系统记录"当前 PTM 盲评分器无法区分磷酸化修饰与随机扰动"时，这个约束会成为后续所有相关项目的知识前提。下一代研究者——无论是人类还是 AI——在查询该领域时，会看到这个约束，并理解真正需要突破的瓶颈不是"如何检测 PTM"，而是"如何构建 PTM 敏感的评分器"。

这种机制的社会价值远超单个研究项目。如果科学界能够系统性地共享负面结果的结构化记录，数万亿美元的研究资金将被从死胡同中拯救出来。AutoSci 的自动化实现，为这种"失败知识库"的构建提供了技术可能。

然而，AutoSci 也存在明显局限：

计算成本：每个端到端研究周期消耗大量 token 和计算资源。GPU 案例在 4×A40 上运行，生物医学案例虽在 RTX 4060 上执行，但前期的文献摄入和想法生成仍依赖大模型 API。

领域依赖：当前案例集中在计算机系统（GPU 优化）和计算生物学（药物发现）。对于需要湿实验（wet lab）的领域，AutoSci 的实验执行能力受限于可自动化程度。论文团队提到"wet-lab 代理"作为未来方向，但目前系统主要面向计算实验。

质量天花板：自动化审稿评分 5-6 分意味着系统产出的是"可接受的研究"，而非"突破性发现"。真正的科学突破往往需要直觉、跨领域联想和不可预测的灵感——这些目前仍是人类研究者的领域。

记忆规模：随着 SciMem 增长，长期知识记忆的检索效率和一致性维护将面临挑战。/dream 进化技能的设计部分应对这一问题，但在超大规模记忆图上的表现尚未验证。当记忆图包含数万篇论文、数十万个概念和数百万条关系时，如何确保检索的精准性和实时性，将是一个严峻的工程挑战。

人机协作界面：当前 AutoSci 主要通过命令行式的工作流调用（如 /research、/ideate、/forge）与用户交互。对于非技术背景的研究者，这种交互方式存在门槛。未来的版本需要更直观的可视化界面——让用户能够浏览记忆图、审查技能执行轨迹、批准或拒绝进化提案，而非通过文本命令与系统对话。

伦理与责任：当 AutoSci 产出的论文被发表，谁对其中可能的错误负责？当系统的记忆被污染导致连锁性虚假结论，责任如何追溯？这些问题不是技术问题，而是科研治理问题。AutoSci 的审计日志（harness 记录的所有阶段状态、记忆写入和技能调用）为责任追溯提供了基础，但完整的治理框架仍需学术共同体共同制定。

🌐 8. 相关工作的定位

AutoSci 与现有系统的关系可通过表 1 的特征级比较理解：

（✓ = 完全支持，○ = 部分或项目本地支持，— = 非主要关注点）

现有系统要么是"全循环但无持久记忆"（如 DeepScientist），要么是"有记忆但不修改自身"（如 EvoScientist 将经验蒸馏为文本记忆但不修订技能和工作流协议）。AutoSci 的独特之处在于将持久记忆与全系统进化结合：记忆不仅是经验的仓库，还是系统自我更新的 substrate。

在 agent 记忆领域，现有工作主要存储摘要、日志、策略或 artifacts，而非将科学信息组织为带显式依赖的 type 对象。在 agent 进化领域，现有工作主要积累可复用文本经验，而非将反馈转化为对系统自身的修订。AutoSci 同时跨越了这两个 gap。

🎯 9. 结语：科研自动化的下一个门槛

AutoSci 提出的不是一个更聪明的科研助手，而是一个持久的研究环境。这个环境可以执行项目、记住经验、并在多个项目间进化。四个模块的设计——类型化记忆、 harness 执行、DAG 增强、系统进化——共同回答了一个被忽视的问题：自动化科研的瓶颈不是单个技能的质量，而是技能之间如何交接、记忆如何跨项目积累、系统如何从失败中学习。

当 AutoSci 将生物医学案例的负面结果转化为"下一代想法 = PTM 敏感评分器"时，它展现的不仅是信息处理能力，更是一种研究性的思维方式：用当前结果定义可行空间的边界，将推迟的想法与否定证据结合生成新假设，将失败重新框架为约束条件。这种能力——将经验转化为结构化的可行动约束——才是自动化科研真正的里程碑。

当然，6.3 分和 5.8 分提醒我们不要过度乐观。AutoSci 目前还无法替代人类研究者，但它的意义在于重新定义了自动化科研的基准线：不再是比较"AI 能否做某一步"，而是追问"AI 能否完成从起点到终点的完整旅程，并在这个过程中变得越来越好"。

这个问题的答案，正在从"不能"缓缓移向"刚刚开始"。

📚 参考文献

1. Qian, W., Xu, B., Xie, Z., et al. (2026). AutoSci: A Memory-Centric Agentic System for the Full Scientific Research Lifecycle. arXiv:2605.31468 [cs.AI].

2. Lyu, S., et al. (2026). EvoScientist: Evolving Scientific Research via Large Language Models. arXiv preprint.

3. Weng, Y., et al. (2025). DeepScientist: Advancing Scientific Discovery through LLM Agents. arXiv preprint.

4. Yang, S., et al. (2026). ARIS: Autonomous Research and Intelligence System. arXiv preprint.

5. Zhou, J., et al. (2026). NORA: Neural Orchestrated Research Assistant. arXiv preprint.

#CrushAI #FeynmanLearning #智柴系统实验室🎙️