AutoScientists：哈佛帶來能進行長期自主閉環科研的自組織智能體

編輯丨&

在科技發展的漫長歷史中，「科學家」一直被視為人類智慧最堅固的堡壘。提出假說、設計實驗、分析數據、撰寫論文——這一連串高度依賴直覺、邏輯與創造力的復雜心智活動，曾被認為是硅基智能在短時間內絕無法染指的角色。

而在 2026 年 5 月 27 日，哈佛大學等在arxiv上發表了論文「AutoScientists: Self-Organizing Agent Teams for Long-Running Scientific Experimentation」，推出了專為科學發現量身定制的自主智能體框架AutoScientists。這是一個能夠真正實現「假說生成 - 實驗規劃 - 閉環驗證 - 論文撰寫」全流程、端到端自主運行的科研系統。

論文鏈接：https://arxiv.org/abs/2605.28655

去中心化

AutoScientists 本質上是一個自組織的 agent 團隊，得益于其底層嚴密的多智能體（Multi-Agent）協同與復雜的認知閉環設計，該框架可在共享狀態上行動，記錄提案、實驗、結果、失敗以及當前的最優解。

圖 1： 用于長期實驗的自組織 agent 團隊。

一旦某條方向停滯，agent 會重新組織，轉向別的方向。共享狀態里記錄著當前最優、實驗日志、討論論壇、隊列和 dead-end registry，團隊之間還能共享成功和失敗，避免重復探索。

基準測試

根據論文與官方在平臺上發布的基準測試結果，AutoScientists 在化學、材料科學、生物醫學以及復雜系統優化等多個學科的壓力測試中，交出了一份令人驚嘆的答卷。

團隊首先把 AutoScientists 放到 BioML-Bench 上測試。這個基準覆蓋 24 個端到端的生物醫學機器學習任務，橫跨生物醫學影像、蛋白工程、單細胞組學和藥物發現。結果是，AutoScientists 的平均排行百分位達到74.4%，對比自體研究高8.33 個百分點；其中提升最大的部分出現在藥物發現任務上。

圖 2：BioML-Bench 的測試結果。

在與 GPT nanochat 訓練優化上的自動研究相比，AutoScientists 用更少的實驗達到了相同的驗證每字節比特數。

更難的是，AutoScientists 從一個已經優化過的當前解開始迭代。對于這個解，單 agent 自研究循環在 100 次實驗中飽和，沒有提出任何改進；而 AutoScientists 在 93 次實驗中完成了了 7 次迭代，并仍有繼續完善的空間。

圖 3：GPT 訓練優化。

針對現有方法的改進

最后，團隊開始思考，AutoScientists 是否能改進一種現有的強大科學方法，而不是從零開始？

在開發過程中，AutoScientists 在單一實驗 ACE2–Spike 結合上進行了優化。從 Kermut 開始，它發現了一種ACE2-Spike 結合方法，將 Spearman ρ 從 0.747 提高到 0.840。所發現的方法不僅僅是超參數調整。

開發完成后，團隊凍結了配方，并將其不加修改地應用于所有 217 個 ProteinGym 監督替換實驗。平均 Spearman ρ 從 0.657 提高到 0.700。相對改進提升了 6.5%，并在監督替換基準上達到了新的最先進水平。

圖 4：AutoScientists 在蛋白任務上的方法改進。

可長期協作的自主智能體

這是AutoScientists使長期實驗成為集體的探索過程。研究者完全可以可以設置一個長期運行的實驗，離開，然后興奮地回來查看 agent 嘗試了什么，什么失敗了，什么改進了，以及它們一夜之間學到了什么。這感覺不像是在運行一個腳本，而更像是去探望一個研究團隊。

雖然它的設計并不比單智能體基線更高效地調用 LLM，但它更善于讓 agent 團隊在設計空間內探索和協作，從而在固定的實驗計算預算下改進實驗搜索。 在固定的實驗計算預算下，這種方法比現有方法表現更好。

AutoScientists 的網站和代碼已經公開，開發團隊也將其描述為一個開源、學術性質的項目。

https://x.com/AdaFang_/status/2060075719883891162

https://autoscientists.openscientist.ai/