标签: 多智能体系统

本文探讨AI如何作为‘科研协作者’加速科学发现，而非取代人类科学家。研究表明，多智能体AI系统（如Robin和Co-Scientist）能高效梳理文献、提出假说、设计实验，但全程需人类设定目标、执行关键实验、审核结果并指导方向。AI提升效率，但无法替代人类的判断力、伦理意识、失败经验与育人责任。

标签: AI科研协作者 人类科学家不可替代性 多智能体系统 科研伦理与育人责任

科学家常靠提出新假说来推动科学发现，但过程耗时费力。本文介绍‘协同科学家’（Co-Scientist）——一个基于Gemini大模型的多智能体AI系统，能帮科研人员自动生成可验证的原创科学假说。它已在白血病药物重定位等真实实验中成功验证，有望大幅加速科研进程。

标签: 人工智能辅助科研 假说生成 协同科学家 多智能体系统 药物重定位

人工智能正在成为科学家的‘超级助手’：两个新系统能自主提出科学假说、设计实验并分析数据，数小时内就可筛选出老药新用的候选方案，大幅加速科研进程。

标签: AI科研助手 假说生成 多智能体系统 老药新用 计算生物学

科学家发现新知识通常要反复经历观察、提出猜想、做实验、分析数据等步骤。本文介绍首个能全自动完成‘提出科学猜想’和‘分析实验数据’两大关键环节的AI系统——Robin。它帮研究人员找到了治疗干性年龄相关性黄斑变性（一种常见致盲眼病）的新药候选物，如已上市的ripasudil，并揭示其通过提升ABCA1蛋白增强细胞‘清洁能力’起效。

标签: ABCA1蛋白 ripasudil 人工智能辅助科研 多智能体系统 干性年龄相关性黄斑变性

全球超3亿人受罕见病影响，但及时准确诊断仍是难题，患者常经历超5年的“诊断之旅”。DeepRare是基于大型语言模型的多智能体系统，整合40多种专业工具和最新知识，处理文本描述、标准化表型术语及基因检测结果，生成带透明推理的诊断假设。在9个数据集2919种疾病测试中表现优异，HPO任务Top-1召回率57.18%（领先23.79%），多模态测试达69.1%，专家对推理链认可度95.4%。

标签: DeepRare 多智能体系统 大型语言模型 罕见病 诊断系统