OmniScientist: Op Weg naar een Co-evoluerend Ecosysteem van Menselijke en AI-wetenschappers
OmniScientist: Toward a Co-evolving Ecosystem of Human and AI Scientists
November 21, 2025
Auteurs: 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
Samenvatting
Met de snelle ontwikkeling van grootschalige taalmmodellen (LLM's) hebben AI-agenten een toenemende bekwaamheid getoond bij wetenschappelijke taken, variërend van hypothesevorming en experimenteel ontwerp tot het schrijven van manuscripten. Dergelijke agentsystemen worden doorgaans "AI-wetenschappers" genoemd. Echter, bestaande AI-wetenschappers formuleren wetenschappelijke ontdekkingen voornamelijk als een op zichzelf staand zoek- of optimalisatieprobleem, waarbij over het hoofd wordt gezien dat wetenschappelijk onderzoek van nature een sociaal en collaboratief streven is. Wetenschap in de echte wereld steunt op een complexe wetenschappelijke infrastructuur bestaande uit collaboratieve mechanismen, toeschrijving van bijdragen, peer review en gestructureerde wetenschappelijke kennissnetwerken. Door het ontbreken van modellering voor deze kritieke dimensies, hebben huidige systemen moeite om een authentiek onderzoeksecosysteem op te zetten of diepgaand te interacteren met de menselijke wetenschappelijke gemeenschap. Om deze kloof te overbruggen, introduceren we OmniScientist, een raamwerk dat de onderliggende mechanismen van menselijk onderzoek expliciet codeert in de AI-wetenschappelijke workflow. OmniScientist bereikt niet alleen end-to-end automatisering over datafundament, literatuuronderzoek, onderzoeksideevorming, experimentele automatisering, wetenschappelijk schrijven en peer review, maar biedt ook uitgebreide infrastructurele ondersteuning door het menselijke wetenschappelijke systeem te simuleren, bestaande uit: (1) een gestructureerd kennissysteem gebouwd op citatienetwerken en conceptuele correlaties; (2) een collaboratief onderzoeksprotocol (OSP), dat naadloze multi-agent samenwerking en participatie van menselijke onderzoekers mogelijk maakt; en (3) een open evaluatieplatform (ScienceArena) gebaseerd op blinde paarsgewijze gebruikersstemmingen en Elo-rangschikkingen. Deze infrastructuur stelt agenten in staat om niet alleen menselijke kennissystemen te begrijpen en te benutten, maar ook om samen te werken en gezamenlijk te evolueren, waardoor een duurzaam en schaalbaar innovatie-ecosysteem wordt bevorderd.
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.