The AI Scientist-v2是什么
The AI Scientist-v2 是 Sakana AI 、不列颠哥伦比亚大学、Vector研究所等机构联合推出的完全自动生成科学发现的端到端AI系统,支持自主地提出科学假设、设计和执行实验、分析数据、生成可视化结果,撰写科学论文。与前一版本相比,The AI Scientist-v2 消除对人类编写代码模板的依赖,引入基于代理的树搜索方法,更系统地探索科学假设。The AI Scientist-v2整合视觉-语言模型(VLM)反馈循环,提高生成内容的质量和清晰度。The AI Scientist-v2 成功生成了一篇完全用 AI 撰写的论文,通过 ICLR 2025 研讨会的同行评审,成为首个达到这一成就的 AI 系统。
阅读目录

The AI Scientist-v2的主要功能
- 自主提出科学假设:生成新颖的科学假设,类似于人类科学家在研究初期提出的研究方向或问题。
- 设计和执行实验:设计实验流程和实际执行实验,包括数据收集和处理。
- 数据分析和可视化:分析实验数据,生成图表和可视化结果,帮助理解实验发现。
- 撰写科学论文:撰写完整的科学论文,包括摘要、引言、方法、实验结果和结论等部分。
The AI Scientist-v2的技术原理
- 基于代理的树搜索:系统基于新颖的树搜索算法,用实验管理代理(Experiment Progress Manager)分阶段管理实验过程。每个阶段都有明确的目标和停止条件,例如初步调查、超参数调整、研究议程执行和消融研究。树搜索方法支持系统并行探索多个实验路径,显著加速科学发现的过程。
- 视觉-语言模型(VLM)反馈:在实验和论文撰写阶段,系统用 VLM 对生成的图表和文本进行评估和反馈。VLM 能检查图表的清晰度、标签的准确性及文本描述的一致性,确保生成的内容质量高且科学准确。
- 代码生成和执行:系统自动生成实验代码,在 Python 解释器中执行代码。如果代码执行出错,系统记录错误信息尝试调试,确保实验的顺利进行。
- 数据加载和处理:系统用 Hugging Face Hub 自动下载和加载常用的数据集,简化数据处理流程。实验数据被保存为结构化的 numpy 文件,便于后续的分析和可视化。
- 多阶段实验管理:实验管理代理将实验过程分为多个阶段,每个阶段都有明确的目标和评估标准。
The AI Scientist-v2的项目地址
- 项目官网:https://sakana.ai/ai-scientist-first-publication/
- GitHub仓库:https://github.com/SakanaAI/AI-Scientist-v2
- arXiv技术论文:https://pub.sakana.ai/ai-scientist-v2/paper.pdf
The AI Scientist-v2的应用场景
- 科学研究自动化:自动完成从提出假设到撰写论文的全流程,提高研究效率。
- 机器学习研究:快速生成和验证新算法或模型改进,加速技术创新。
- 跨学科应用:支持多学科研究,为复杂问题提供创新解决方案。
- 教育与培训:作为教学工具,帮助学生和研究人员理解科学研究方法。
- 工业与商业:优化机器学习模型,提高生产效率和产品质量。
🧭 文中关联 AI 工具官网与参数卡(语宙 AI 导航)
❓ 常见问题解答(FAQ)
The AI Scientist-v2 能自动完成哪些科研步骤?
它可覆盖从提出科学假设、设计并执行实验,到分析数据、生成可视化结果,再到撰写完整论文的端到端流程,目标是尽量减少人工介入。
The AI Scientist-v2 相比前一版本有什么改进?
核心改进是摆脱了对人类编写代码模板的依赖,并引入基于代理的树搜索方法,更系统地探索多个实验路径,同时加入 VLM 反馈提升输出质量。
The AI Scientist-v2 适合哪些应用场景?
适合科学研究自动化、机器学习研究、跨学科探索、教育培训以及工业和商业中的模型优化与效率提升,尤其适合需要快速迭代实验的任务。
🔬 语宙深潜追问 · 进阶实操拆解
自动生成论文最难卡在哪一步?
最难的通常不是写作,而是研究问题是否新颖、实验设计是否可证伪,以及结果解释是否站得住。实操上要加人类审稿门槛、消融实验和失败案例回收,避免“看起来像科研”的幻觉产物。
想把这类系统接入真实课题,怎么控风险?
先限定在低风险、可自动验证的子任务上,如文献综述、假设枚举和实验脚本生成;再用固定数据集、预注册指标和人工复核闭环。核心是把 AI 放在提案与加速层,而不是最终结论裁决层。
🗳️ 读者观点微投票 · 您的实战立场是?
自动科研该先交给 AI 还是先保留人类把关?
