AutoScientists：用于长期科学实验的自组织智能体团队

科学研究依赖假设生成、实验设计及修正的迭代循环。现有 AI 方法多遵循单一轨迹或固定中央规划，难以维持并行探索或适应证据变化。本文提出 AutoScientists，一种去中心化智能体团队，能解读共享实验状态，围绕有前景的假设自组织，并在消耗计算资源前批判性评估提案。该系统通过共享成败减少冗余探索。在生物医学机器学习、语言模型优化及蛋白质适应性预测等任务中，AutoScientists 显著优于现有单智能体方法，展现了卓越的长期实验规划与执行能力。