The AI Scientist-v2: 基于智能体树搜索的研讨会级自动化科学发现

📚 [论文] | 📝 [博客文章] | 📂 [ICLR 2025 研讨会实验]

全自动科学研究系统正变得日益强大，AI 在改变科学发现方式方面发挥着举足轻重的作用。我们非常激动地推出 The AI Scientist-v2，这是一个通用的端到端智能体系统，它生成了第一篇完全由 AI 撰写并通过同行评审的研讨会论文。

该系统能够自主生成假设、运行实验、分析数据并撰写科学论文。与其前身 (AI Scientist-v1) 不同，AI Scientist-v2 摆脱了对人工编写模板的依赖，实现了跨机器学习 (ML) 领域的通用化，并采用了一种由实验管理智能体引导的渐进式智能体树搜索 (Agentic Tree Search) 方法。

注意： The AI Scientist-v2 并不一定比 v1 产出更好的论文，特别是在有现成强大模板的情况下。v1 遵循定义明确的模板，因此成功率更高；而 v2 采取了一种更广泛、更具探索性的方法，但成功率较低。v1 最适用于目标明确且基础扎实的任务，而 v2 则专为开放式的科学探索而设计。

警告！ 本代码库将执行由大型语言模型 (LLM) 编写的代码。这种自主性伴随着各种风险和挑战，包括可能使用危险软件包、不受控制的网络访问以及产生意外进程的可能性。请确保在受控的沙箱环境（例如 Docker 容器）中运行。请自行承担使用风险。

环境要求

本代码旨在 Linux 环境下使用 NVIDIA GPU、CUDA 和 PyTorch 运行。

安装

# 创建一个新的 conda 环境
conda create -n ai_scientist python=3.11
conda activate ai_scientist

# 安装支持 CUDA 的 PyTorch（请根据您的设置调整 pytorch-cuda 版本）
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

# 安装 PDF 和 LaTeX 工具
conda install anaconda::poppler
conda install conda-forge::chktex

# 安装 Python 依赖包
pip install -r requirements.txt

安装过程通常不超过一小时。

支持的模型与 API Key

OpenAI 模型

系统默认使用 OPENAI_API_KEY 环境变量来调用 OpenAI 模型。

Gemini 模型

系统默认通过 OpenAI API 使用 GEMINI_API_KEY 环境变量来调用 Gemini 模型。

通过 AWS Bedrock 使用 Claude 模型

若要使用 Amazon Bedrock 提供的 Claude 模型，请安装必要的附加包：

pip install anthropic[bedrock]

接下来，通过设置以下环境变量来配置有效的 AWS Credentials 和目标 AWS Region：AWS_ACCESS_KEY_ID、AWS_SECRET_ACCESS_KEY、AWS_REGION_NAME。

Semantic Scholar API (文献检索)

我们的代码可以选择性地使用 Semantic Scholar API Key (S2_API_KEY)，以便在文献检索时获得更高的吞吐量（如果您有申请的话）。这在构思和论文撰写阶段都会用到。系统即使没有该 Key 也能运行，但您可能会遇到速率限制，或在构思阶段创新性检查的效果降低。如果您在使用 Semantic Scholar 时遇到问题，可以在论文生成过程中跳过引用阶段。

设置 API Key

确保为您打算使用的模型提供必要的 API Key 作为环境变量。例如：

export OPENAI_API_KEY="YOUR_OPENAI_KEY_HERE"
export S2_API_KEY="YOUR_S2_KEY_HERE"
# 如果使用 Bedrock，请设置 AWS 凭证
# export AWS_ACCESS_KEY_ID="YOUR_AWS_ACCESS_KEY_ID"
# export AWS_SECRET_ACCESS_KEY="YOUR_AWS_SECRET_KEY"
# export AWS_REGION_NAME="your-aws-region"

生成研究构思

在运行完整的 AI Scientist-v2 实验流程之前，您首先需要使用 ai_scientist/perform_ideation_temp_free.py 脚本来生成潜在的研究构思。该脚本使用 LLM 根据您提供的高级主题描述进行头脑风暴和完善构思，并与 Semantic Scholar 等工具交互以检查创新性。

准备主题描述

SakanaAI/AI-Scientist-v2