科学研究，特别是机械进修范畴的研究，往往需要大量的时间和资本投入，从最后的构想到最终的成果产出，每一步都充满了挑和。近年来，大型言语模子（Large Language Models，LLMs）正在天然言语处置和代码生成方面取得了显著进展，这为从动化科学研究供给了新的可能性。然而，现有的从动化研究东西凡是只能处置单个环节，如文献综述或尝试设想，无法实现全流程的从动化。针对这一问题，来自AMD和约翰霍普金斯大学的研究团队提出了一种名为 Agent Laboratory 的立异框架。该框架操纵 LLM 做为研究帮手，可以或许从文献综述到尝试设想和演讲撰写全流程从动化，显著加快科学研究过程。该框架不只支撑全从动模式，还立异性地供给了 co-pilot 协做模式，答应研究人员正在环节节点供给反馈和指点，实现人机协同研究。现代 AI 研究反面临着效率取立异的双沉挑和。研究人员往往需要正在无限的时间和资本束缚下，衡量和筛选最具潜力的研究标的目的。现有的从动化研究东西存正在较着局限：ResearchAgent 虽然可以或许生成研究设法和尝试设想，但缺乏现实施行能力；The AI Scientist 虽然能够生成和施行代码，但其生成的研究论文质量有待提高。更主要的是，无法无效整合人类研究者的专业判断和创制性思维。Agent Laboratory 立异地提出了一个三阶段的研究辅帮框架。起首是文献综述阶段，其次是尝试阶段，包罗尝试规划、数据预备和运转尝试三个环节。最初是演讲撰写阶段，系统可以或许基于尝试成果生陈规范的研究论文。系统的焦点是一个多智能体协做框架，包罗多个专业化的言语模子代办署理：PhD 代办署理担任文献综述和研究规划，Postdoc 代办署理担任尝试设想和成果注释，ML 工程师代办署理专注于代码实现，Professor 代办署理则担任论文评审和质量节制。系统的另一个焦点立异是 mle-solver 模块，它通过五个环节组件实现代码的从动生成和优化：正在论文生成方面，系统采用了立异的 -solver 模块，集成了从动化审稿功能。该功能正在 500 篇 ICLR 2022 论文的评估中，达到了取人类审稿人相当的精确率（65% 对比 66%），正在 F1 分数上以至跨越了人类表示（0。57 对比 0。49）。研究团队通过度尝试评估了 Agent Laboratory 的机能。正在模子对比中，o1-preview 正在有用性方面表示最佳，评分达到 4。4/5；正在演讲质量方面得分为 3。4/5，取 o1-mini（3。2/5）附近；o1-mini 正在尝试质量方面领先，得分为 3。2/5；而 gpt-4o 虽然正在各项目标上表示较弱，但其运转成本显著降低，每篇论文仅需 2。33 美元，比现有从动化研究方式节流 84%。出格值得留意的是，研究发觉人类评估和从动化评估存正在显著差别。从动评估给出的平均分数为 6。1/10，而人类评估仅为 3。8/10，这一发觉强调了正在评估系统机能时需要更多地依托人类专家判断。正在 MLE-Bench 部门挑和使命中，系统展示了优异的实践能力，获得了 4 枚牌（2 金 1 银 1 铜）。Agent Laboratory 的立异意义正在于从头定义了 AI 辅帮研究的范式。通过矫捷的从动化程度和人机协做模式，系统既能供给高效的研究支撑，又能连结人类研究者的创制性从导地位。虽然当前系统正在从动评估精确性和论文质量方面仍有改良空间，但其显著的成本劣势和适用性曾经证了然其正在加快科学研究方面的潜力。跟着系统的进一步完美。