简介
当大模型展现越来越强的能力时，一个激动人心的愿景正迅速发酵：人们能否构建一个全流程的自主科研系统：从阅读文献、设计算法、完成实验，到迭代思路、优化模型架构，直至撰写完整论文？这已不再是科幻叙事中的遥远设想。近期，自主科研智能体从一个实验性概念迅速发展为多个可运行的原型系统。本论坛将以“自主科研智能体新框架与新技术”为主题，研讨个性化科研、动态规划推理、以及学术创新范式等方向的研究问题，探讨基础框架设计与关键技术突破。论坛邀请到四位代表性讲者与多位与会嘉宾，分别从系统级自动化、个性化记忆与进化、规划推理和学术生态四个维度展开深度报告与研讨。结论将共同指向自动科研终极目的，是构建一种能够持续学习、深度适配的科研基建。
简介为官网原文，部分内容可能未写完。
人员
主席
- 严睿 · 武汉大学
嘉宾
- 张岳 · 西湖大学
- Ning Miao · 香港城市大学
- 陈秀颖 · 穆罕默德·本·扎耶德人工智能大学（阿联酋人工智能大学）
- 杜博 · 武汉大学
- 李勇 · 清华大学
- 高莘 · 电子科技大学
- 郑翔 · 香港城市大学
- 赵迎功 · 香港城市大学
- 闫峻 · 香港城市大学
报告安排
AI赋能的科研自动化
张岳 · 西湖大学
简介
随着AI技术的发展，人工智能领域科研速度不断加快。AI赋能的科学研究得到显著进步。AI科学家是近两年兴起的新领域。其最显著的特点是人工智能主导科学研究全流程。AI科学家的发展潜在可以帮助人类显著提升技术科研效率，同时对于科研发表范式产生深远影响。在本次报告中，我将分享AI科学家的一些研究，包括科研全流程执行，以及通用学科数据采集系统。此外我将分享AI如何帮助科研领域适应更快的研究速度，促进学术交流发表新范式。
SciencePal 2.0：会自我进化的个人科研合伙人
Ning Miao · 香港城市大学
简介
大语言模型智能体已能撰写代码、研读文献、执行分析，但每一次新对话几乎都从零开始：助手忘记实验室既定的实验流程，反复重学研究者的背景，也难以深入某一学科。在报告中，我们将介绍SciencePal 2.0，一个个性化、可自我进化的科研AI智能体平台，让通用助手成长为能随使用持续积累、越用越懂你的科研伙伴。SciencePal建立在三个相互耦合的子系统之上。记忆系统以词法与语义混合检索，跨会话持久化带类型的研究知识，并在推理时自动注入上下文。技能系统把可复用的方法，例如文献筛选、数据清洗、领域实验流程等封装为技能，用户用自然语言即可创建；后台进化引擎持续对技能进行打分、合并和升级，并将核心记忆沉淀为技能。智能体团队（Agent Swarm）让用户自定义一支多角色专家团队，由主控智能体像导演一样在共享工作空间中统一调度，仅需写入Markdown文件，零代码即可配置。在这一基座之上，十个沙箱化领域智能体覆盖分子生物学、抗体设计、临床病历、材料科学等方向，接入AlphaFold3、IgBLAST、Materials Project等专业工具链。SciencePal 2.0运行于用户定制的持久化沙箱之上，无需任何环境配置，并在每一次交互中自我进化，变得更契合每位用户。
从通用到个性化：会规划的自动科研智能体
陈秀颖 · 穆罕默德·本·扎耶德人工智能大学（阿联酋人工智能大学）
简介
大模型正持续推动自动科研技术快速演进，科研创意生成、实验方案设计与全流程实验执行等核心科研环节，已逐步实现智能体自主化作业。然而，当前多数自动科研系统仍基于通用标准化流水线构建，难以适配不同研究者专属的技术路线、写作风格与实验工具体系，导致生成结果同质化严重、针对性不足，实际落地应用效果有限。本报告以“从通用自动化到个性化科研智能”为主线，系统梳理该领域的演进脉络：从科研文本的智能理解与生成技术出发，进一步介绍具备动态规划与自主推理能力的科研智能体体系，结合个性化内容生成与用户建模的前沿探索，展望面向研究者定制化需求的个性化科研智能体范式。该范式可依托研究者既有科研轨迹，精准生成适配其研究方向的创新思路与实验方案。
从AI4S到AI科学家
李勇 · 清华大学
简介
大语言模型和智能体时代，AI4S智能科研范式正在走向AI科学家的新阶段。本报告将介绍支撑人机深度协同的通用智能科研平台，通过融合“科学、科研和学者”三个维度知识与流程的科学大模型与多智能体工作流，在理论提出与自动化实验闭环中有望实现突破性进展，标志着从“AI辅助”向“AI主导”的科研范式根本性跃迁，旨在重塑未来科学发现路径。