摘要
科学证据常跨越仪器、数据库及学科，单一来源难以记录整体现象。本文通过涵盖分子结构映射、科学范式转移检测等四项任务的跨领域基准，评估协调 AI 智能体相较于简单工作流的价值。结果定义了三种运行机制：当各学科仅捕捉部分现象时，跨通道复合显著优于单通道基线；当单一信号主导时，协作主要提升解释性与可追溯性；而在某些情况下，分解并未提升整体性能。该研究强调仅在性能、溯源或表征有明确对比支持时，才赋予协作实际价值。
AI 推荐理由
论文核心评估多智能体协作在科学推断中的价值，涉及跨域证据整合与逻辑推理能力提升。
研究机构
Laboratory for Atonomic and Molecular Mechanics (LAMM)
Department of Biological Engineering
Department of Mechanical Engineering
Department of Civil and Environmental Engineering
Center for Computational Science and Engineering, Schwarzman College of Computing
Massachusetts Institute of Technology
论文信息