OmniScientist: Verso un Ecosistema di Co-evoluzione di Scienziati Umani e IA

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

November 21, 2025

Autori: 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

Abstract

Con il rapido sviluppo dei Large Language Model (LLM), gli agenti di intelligenza artificiale hanno dimostrato una competenza crescente in compiti scientifici, che spaziano dalla generazione di ipotesi e la progettazione sperimentale alla stesura di manoscritti. Tali sistemi agenti sono comunemente indicati come "Scienziati IA". Tuttavia, gli attuali Scienziati IA formulano prevalentemente la scoperta scientifica come un problema isolato di ricerca o ottimizzazione, trascurando il fatto che la ricerca scientifica è intrinsecamente un'impresa sociale e collaborativa. La scienza del mondo reale si basa su una complessa infrastruttura scientifica composta da meccanismi collaborativi, attribuzione dei contributi, revisione paritaria e reti strutturate di conoscenza scientifica. A causa della mancanza di modellazione di queste dimensioni critiche, i sistemi attuali faticano a stabilire un ecosistema di ricerca genuino o a interagire in profondità con la comunità scientifica umana. Per colmare questa lacuna, introduciamo OmniScientist, un framework che codifica esplicitamente i meccanismi sottostanti della ricerca umana nel flusso di lavoro scientifico dell'IA. OmniScientist non solo raggiunge l'automazione end-to-end attraverso la fondazione dati, la revisione della letteratura, l'ideazione della ricerca, l'automazione sperimentale, la scrittura scientifica e la revisione paritaria, ma fornisce anche un supporto infrastrutturale completo simulando il sistema scientifico umano, comprendente: (1) un sistema di conoscenza strutturato basato su reti di citazione e correlazioni concettuali; (2) un protocollo di ricerca collaborativa (OSP), che consente una collaborazione multi-agente senza soluzione di continuità e la partecipazione di ricercatori umani; e (3) una piattaforma di valutazione aperta (ScienceArena) basata su votazioni utente pairwise in cieco e classifiche Elo. Questa infrastruttura consente agli agenti non solo di comprendere e sfruttare i sistemi di conoscenza umani, ma anche di collaborare e co-evolversi, favorendo un ecosistema di innovazione sostenibile e scalabile.

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.