The AI Scientist-v2: Workshop-Level Automated Scientific Discovery via Agentic Tree Search

人工智能在改变科学发现的制作方式中正扮演着越来越重要的角色。我们推出了《AI科学家-v2》，这是一个端到端的代理系统，能够生成第一篇完全由AI生成并被同行评审接受的工作坊论文。该系统通过迭代方式提出科学假设、设计和执行实验、分析和可视化数据，并自主撰写科学论文。与前代版本（v1，Lu等人，2024年 arXiv:2408.06292）相比，《AI科学家-v2》消除了对人类编写代码模板的依赖，能够在多样化的机器学习领域中有效泛化，并采用了一种由专门实验管理代理控制的新型渐进式代理树搜索方法。此外，我们通过整合视觉-语言模型（VLM）反馈循环增强了AI评审组件，以实现内容和图表美学的迭代改进。我们通过向ICLR工作坊提交三篇完全自主生成的论文来评估《AI科学家-v2》。值得注意的是，其中一篇论文得分足够高，超过了平均人类接受门槛，标志着完全由AI生成的论文首次成功通过同行评审。这一成就突显了AI在开展科学研究各个方面能力的不断提升。我们预计，自主科学发现技术的进一步发展将深刻影响人类知识的生成，使研究生产力达到前所未有的可扩展性，并显著加速科学突破，从而极大地造福整个社会。我们已在 https://github.com/SakanaAI/AI-Scientist-v2 开源了代码，以促进这项变革性技术的未来发展。我们还讨论了AI在科学中的作用，包括AI安全性问题。

论文试图解决如何通过人工智能系统完全自动化地进行科学研究的问题，包括假设生成、实验设计、数据分析和论文撰写。这是一个具有挑战性的新问题，旨在探索AI在科学发现中的潜力。

关键思路是引入The AI Scientist-v2，一个基于进步代理树搜索方法的端到端自主系统。相比前代版本（v1），v2不再依赖人工编写的代码模板，并能有效泛化到不同机器学习领域。此外，它集成了视觉-语言模型反馈循环以优化内容和图表的呈现质量，从而提升论文的专业性和可接受度。

该研究成功提交了三篇完全由AI生成的论文至ICLR工作坊，其中一篇达到了人类平均水平以上的同行评审标准。这标志着AI首次完全独立完成并获得认可的科学贡献。此外，项目代码已开源（https://github.com/SakanaAI/AI-Scientist-v2），为未来的研究提供了基础。值得关注的是，其代理管理机制和VLM集成技术值得进一步深入研究。

相关研究包括Lu等人提出的The AI Scientist-v1（arXiv:2408.06292），以及类似方向的工作如‘AutoML for Scientific Discovery’和‘Generative Models for Automated Experimentation’。其他相关研究还包括利用强化学习优化实验设计的方法（例如‘RL for Lab Automation’）以及结合NLP生成科学文献的技术（如‘SciGen: A Framework for Generating Scientific Articles’）。