OmniScientist : Vers un écosystème de coévolution des scientifiques humains et de l'IA

OmniScientist: Toward a Co-evolving Ecosystem of Human and AI Scientists

November 21, 2025

papers.authors: Chenyang Shao, Dehao Huang, Yu Li, Keyu Zhao, Weiquan Lin, Yining Zhang, Qingbin Zeng, Zhiyu Chen, Tianxing Li, Yifei Huang, Taozhong Wu, Xinyang Liu, Ruotong Zhao, Mengsheng Zhao, Xuhua Zhang, Yue Wang, Yuanyi Zhen, Fengli Xu, Yong Li, Tie-Yan Liu

cs.AI

papers.abstract

Avec le développement rapide des modèles de langage de grande taille (LLM), les agents IA ont démontré une compétence croissante dans les tâches scientifiques, allant de la génération d'hypothèses et la conception expérimentale à la rédaction de manuscrits. Ces systèmes d'agents sont communément appelés « Scientifiques IA ». Cependant, les Scientifiques IA existants formulent principalement la découverte scientifique comme un problème de recherche ou d'optimisation autonome, négligeant le fait que la recherche scientifique est intrinsèquement une entreprise sociale et collaborative. La science du monde réel repose sur une infrastructure scientifique complexe composée de mécanismes collaboratifs, d'attribution des contributions, d'évaluation par les pairs et de réseaux structurés de connaissances scientifiques. En raison de l'absence de modélisation de ces dimensions critiques, les systèmes actuels peinent à établir un écosystème de recherche authentique ou à interagir profondément avec la communauté scientifique humaine. Pour combler cette lacune, nous présentons OmniScientist, un cadre qui encode explicitement les mécanismes sous-jacents de la recherche humaine dans le flux de travail scientifique de l'IA. OmniScientist réalise non seulement une automatisation de bout en bout couvrant la fondation des données, la revue de la littérature, l'idéation de la recherche, l'automatisation des expériences, la rédaction scientifique et l'évaluation par les pairs, mais fournit également un support infrastructurel complet en simulant le système scientifique humain, comprenant : (1) un système de connaissances structuré construit sur des réseaux de citations et des corrélations conceptuelles ; (2) un protocole de recherche collaborative (OSP), qui permet une collaboration multi-agents transparente et la participation de chercheurs humains ; et (3) une plateforme d'évaluation ouverte (ScienceArena) basée sur un vote utilisateur par paires en aveugle et des classements Elo. Cette infrastructure permet aux agents non seulement de comprendre et d'exploiter les systèmes de connaissances humains, mais aussi de collaborer et de co-évoluer, favorisant ainsi un écosystème d'innovation durable et évolutif.

English

With the rapid development of Large Language Models (LLMs), AI agents have demonstrated increasing proficiency in scientific tasks, ranging from hypothesis generation and experimental design to manuscript writing. Such agent systems are commonly referred to as "AI Scientists." However, existing AI Scientists predominantly formulate scientific discovery as a standalone search or optimization problem, overlooking the fact that scientific research is inherently a social and collaborative endeavor. Real-world science relies on a complex scientific infrastructure composed of collaborative mechanisms, contribution attribution, peer review, and structured scientific knowledge networks. Due to the lack of modeling for these critical dimensions, current systems struggle to establish a genuine research ecosystem or interact deeply with the human scientific community. To bridge this gap, we introduce OmniScientist, a framework that explicitly encodes the underlying mechanisms of human research into the AI scientific workflow. OmniScientist not only achieves end-to-end automation across data foundation, literature review, research ideation, experiment automation, scientific writing, and peer review, but also provides comprehensive infrastructural support by simulating the human scientific system, comprising: (1) a structured knowledge system built upon citation networks and conceptual correlations; (2) a collaborative research protocol (OSP), which enables seamless multi-agent collaboration and human researcher participation; and (3) an open evaluation platform (ScienceArena) based on blind pairwise user voting and Elo rankings. This infrastructure empowers agents to not only comprehend and leverage human knowledge systems but also to collaborate and co-evolve, fostering a sustainable and scalable innovation ecosystem.