VirSci – 上海人工智能实验室推出的多智能体协作平台系统 | AI工具集

VirSci（Virtual Scientists）是上海人工智能实验室推出的多智能体协作平台系统，基于模拟科学家团队的合作过程加速科研创新。系统基于大型语言模型（LLMs），用组织智能体团队合作生成、评估和完善研究创意，展现出在科学创意生成中的创新性和影响力，超过传统单智能体系统。VirSci推动了科学发现，且作为科学学研究工具，探究不同团队构成对创新性的影响。

• 合作者选择（Collaborator Selection）：模拟科学家团队的组建过程，选择合适的合作者加入研究团队。
• 主题讨论（Topic Discussion）：团队成员就研究主题进行讨论，确定研究方向。
• 创意生成（Idea Generation）：团队成员提出和完善研究创意，生成多个潜在的研究想法。
• 新颖性评估（Novelty Assessment）：评估提出的创意的新颖性，基于比较与现有文献的重叠程度选择最具创新性的想法。
• 摘要生成（Abstract Generation）：基于选定的创意，生成科学论文的摘要，包括引言、目标、方法、预期结果和结论等部分。
• 自我审查（Self-review）：在生成最终摘要后，进行自我审查以预检查其新颖性，确保与现有研究的相似性不高。
• 知识库构建：构建包含科学家背景信息的知识库，为智能体提供必要的信息，进行有效的合作和讨论。
• 团队讨论机制：在每个步骤中实施团队讨论，用迭代和精炼的方式提高输出质量。

• 大型语言模型（LLMs）：VirSci基于大型语言模型（如GPT-4o和Llama-3.1）的先进能力，模型在理解和生成自然语言方面表现出色，能处理复杂的科学发现任务。
• 多智能体系统：系统由多个智能体组成，每个智能体模拟一个科学家，且能协作、沟通和解决研究任务，模仿人类团队合作的动态。
• 数字孪生技术：基于检索增强生成（RAG）框架，VirSci创建真实科学家的数字孪生代理，代理能访问和使用科学家的知识库。
• 知识库和数据库：系统构建一个包含科学家背景信息的知识库，及包含过去和当代论文的数据库，为智能体提供必要的信息进行有效的合作和讨论。
• 团队讨论机制：实现一个“团队讨论”机制，支持智能体在生成创意和摘要的过程中进行迭代的内外精炼对话，提高输出质量。
• 新颖性评估：基于比较生成的摘要与过去和当代论文数据库的相似性，评估创意的新颖性，用历史差异性（HD）、当代差异性（CD）和当代影响力（CI）等指标。

VirSci的项目地址

VirSci与AI Scientist的对比优势

• 协作性质的模拟： VirSci是基于大型语言模型（LLMs）的多代理系统，专门设计来模仿科学研究中固有的团队合作。与AI Scientist这种单一代理系统相比，VirSci通过组织代理团队共同产生、评估和完善研究想法，更贴近现实世界中科学家团队合作解决复杂问题的方式。
• 创新性的科学想法生成： 根据实验结果，VirSci在产生新颖且有影响力的科学思想方面优于AI Scientist等最先进的单代理方法。VirSci通过多代理协作方式平均提升了与当代研究趋势的对齐水平13.8%，潜在影响力提升了44.1%。
• 社会行为的涌现： VirSci实验中发现了代理之间的社会行为，这与“科学中的科学”领域的重要发现相一致，例如新鲜团队往往能创造更创新的研究。这表明VirSci作为一个工具，在研究合作机制方面具有进一步探索的潜力。
• 端到端的科学合作流程： VirSci是首个从团队组织到新颖科学想法生成的端到端流水线中进行科学合作的多代理系统。这种系统能够更全面地模拟科学研究的全过程，而AI Scientist则更多地集中在单一任务的自动化上。
• 实验验证： VirSci在多方面进行了广泛的实验验证，包括团队设置和生成的科学想法的新颖性，这为其在实际科学研究中的应用提供了更多的实证支持。

VirSci的应用场景

• 自动化科学发现：VirSci用在自动化科学发现过程，从假设生成到实验设计，加速科学研究的进展。
• 团队研究协作：在多学科团队中，VirSci模拟科学家之间的合作，帮助团队成员共同探讨和解决复杂的研究问题。
• 创新想法生成：用VirSci生成新的研究想法和概念，为科学研究提供创新的视角和解决方案。
• 教育和培训：在教育领域，VirSci作为教学工具，帮助学生理解科学研究的过程，培养创新思维和团队合作能力。
• 研究项目管理：在项目管理中，VirSci帮助研究人员规划研究项目，分配任务，跟踪项目进展。