Kosmos: An AI Scientist for Autonomous Discovery：自主科学发现AI系统实现6个月研究自动化
2025年11月提交。Kosmos是一个AI科学家系统，可在12小时内执行多达200次智能体滚动，平均运行42,000行代码并阅读1,500篇论文。独立科学家验证其报告中79.4%的陈述准确，合作者报告单次20周期运行相当于平均6个月的研究工作量。系统在代谢组学、材料科学、神经科学和统计遗传学等领域产生了7项发现，其中3项独立复现了未公开手稿的结果，4项为全新贡献。
发展脉络
- 首次出现Kosmos: An AI Scientist for Autonomous Discovery：自主科学发现AI系统实现6个月研究自动化arXiv cs.AI
- 当前判断Kosmos将AI在科研中的应用从辅助工具提升为自主研究者，对制药、材料、生物技术等研发密集型行业具有变革潜力。它可大幅缩短假设生成到验证的周期，降低研发成本，尤其适用于高通量数据分析和文献挖掘场景。未来可能催生AI驱动的科研服务新业态。Agent Pulse · 分析
Kosmos通过结构化世界模型协调数据分析与文献搜索智能体，实现了长时间、多步骤的自主科学发现。其核心突破在于将AI从单步工具提升为可执行完整研究周期的自主系统，且产出质量经人类验证。这标志着AI在科学研究中的角色从辅助工具向独立研究者的转变，可能重塑数据驱动科学的范式。
Kosmos采用结构化世界模型在数据分析智能体和文献搜索智能体之间共享信息，确保超过200次智能体滚动中目标的一致性。系统使用并行数据分析和文献搜索循环，每次运行平均执行42,000行代码并阅读1,500篇论文。报告中的每个陈述都通过代码或原始文献引用，保证可追溯性。实验表明，有价值的科学发现数量与周期数呈线性增长（测试至20周期）。系统在7个领域产生了可验证的发现，包括复现未公开结果和全新贡献。
Kosmos将AI在科研中的应用从辅助工具提升为自主研究者，对制药、材料、生物技术等研发密集型行业具有变革潜力。它可大幅缩短假设生成到验证的周期，降低研发成本，尤其适用于高通量数据分析和文献挖掘场景。未来可能催生AI驱动的科研服务新业态。
研发密集型组织（如药企、材料公司）可评估将Kosmos集成到现有研发流程中，用于加速文献综述、假设生成和数据分析。建议先在小规模项目试点，对比传统方法的时间节省和发现质量。长期可考虑与AI科研平台合作，构建定制化自主发现系统。
需关注Kosmos在更多学科（如化学、临床医学）的泛化能力，以及其发现的可复现性和实际应用转化。系统对计算资源的需求（12小时运行）和成本效益比需进一步评估。此外，AI自主研究的伦理和知识产权问题将引发讨论。