Investigando a Inteligência Geral Científica de LLMs por meio de Fluxos de Trabalho Alinhados ao Cientista
Probing Scientific General Intelligence of LLMs with Scientist-Aligned Workflows
December 18, 2025
Autores: Wanghan Xu, Yuhao Zhou, Yifan Zhou, Qinglong Cao, Shuo Li, Jia Bu, Bo Liu, Yixin Chen, Xuming He, Xiangyu Zhao, Xiang Zhuang, Fengxiang Wang, Zhiwang Zhou, Qiantai Feng, Wenxuan Huang, Jiaqi Wei, Hao Wu, Yuejin Yang, Guangshuai Wang, Sheng Xu, Ziyan Huang, Xinyao Liu, Jiyao Liu, Cheng Tang, Wei Li, Ying Chen, Junzhi Ning, Pengfei Jiang, Chenglong Ma, Ye Du, Changkai Ji, Huihui Xu, Ming Hu, Jiangbin Zheng, Xin Chen, Yucheng Wu, Feifei Jiang, Xi Chen, Xiangru Tang, Yuchen Fu, Yingzhou Lu, Yuanyuan Zhang, Lihao Sun, Chengbo Li, Jinzhe Ma, Wanhao Liu, Yating Liu, Kuo-Cheng Wu, Shengdu Chai, Yizhou Wang, Ouwen Zhangjin, Chen Tang, Shufei Zhang, Wenbo Cao, Junjie Ren, Taoyong Cui, Zhouheng Yao, Juntao Deng, Yijie Sun, Feng Liu, Wangxu Wei, Jingyi Xu, Zhangrui Li, Junchao Gong, Zijie Guo, Zhiyu Yao, Zaoyu Chen, Tianhao Peng, Fangchen Yu, Bo Zhang, Dongzhan Zhou, Shixiang Tang, Jiaheng Liu, Fenghua Ling, Yan Lu, Yuchen Ren, Ben Fei, Zhen Zhao, Xinyu Gu, Rui Su, Xiao-Ming Wu, Weikang Si, Yang Liu, Hao Chen, Xiangchao Yan, Xue Yang, Junchi Yan, Jiamin Wu, Qihao Zheng, Chenhui Li, Zhiqiang Gao, Hao Kong, Junjun He, Mao Su, Tianfan Fu, Peng Ye, Chunfeng Song, Nanqing Dong, Yuqiang Li, Huazhu Fu, Siqi Sun, Lijing Cheng, Jintai Lin, Wanli Ouyang, Bowen Zhou, Wenlong Zhang, Lei Bai
cs.AI
Resumo
Apesar dos avanços na IA científica, ainda falta um quadro coerente para a Inteligência Geral Científica (SGI) - a capacidade de conceber, investigar e raciocinar de forma autónoma em diversos domínios científicos. Apresentamos uma definição operacional de SGI baseada no Modelo de Inquérito Prático (PIM: Deliberação, Conceção, Ação, Perceção) e operacionalizamo-la através de quatro tarefas alinhadas com a atividade científica: investigação aprofundada, geração de ideias, experimentação seca/húmida e raciocínio experimental. O SGI-Bench compreende mais de 1.000 amostras interdisciplinares curadas por especialistas, inspiradas nas 125 Grandes Questões da Ciência, permitindo a avaliação sistemática dos mais avançados Modelos de Linguagem de Grande Escala (LLMs). Os resultados revelam lacunas: correspondência exata baixa (10-20%) na investigação aprofundada, apesar do alinhamento a nível de etapas; ideias com falta de exequibilidade e detalhe; alta capacidade de execução de código, mas baixa precisão dos resultados de execução em experimentação seca; baixa fidelidade de sequência em protocolos húmidos; e desafios persistentes no raciocínio comparativo multimodal. Introduzimos ainda o Aprendizado por Reforço no Momento do Teste (TTRL), que otimiza recompensas de novidade aumentadas por recuperação de informação durante a inferência, melhorando a novidade das hipóteses sem necessidade de respostas de referência. Em conjunto, a nossa definição baseada no PIM, o benchmark centrado em fluxos de trabalho e as perspetivas empíricas estabelecem uma base para sistemas de IA que participem genuinamente na descoberta científica.
English
Despite advances in scientific AI, a coherent framework for Scientific General Intelligence (SGI)-the ability to autonomously conceive, investigate, and reason across scientific domains-remains lacking. We present an operational SGI definition grounded in the Practical Inquiry Model (PIM: Deliberation, Conception, Action, Perception) and operationalize it via four scientist-aligned tasks: deep research, idea generation, dry/wet experiments, and experimental reasoning. SGI-Bench comprises over 1,000 expert-curated, cross-disciplinary samples inspired by Science's 125 Big Questions, enabling systematic evaluation of state-of-the-art LLMs. Results reveal gaps: low exact match (10--20%) in deep research despite step-level alignment; ideas lacking feasibility and detail; high code executability but low execution result accuracy in dry experiments; low sequence fidelity in wet protocols; and persistent multimodal comparative-reasoning challenges. We further introduce Test-Time Reinforcement Learning (TTRL), which optimizes retrieval-augmented novelty rewards at inference, enhancing hypothesis novelty without reference answer. Together, our PIM-grounded definition, workflow-centric benchmark, and empirical insights establish a foundation for AI systems that genuinely participate in scientific discovery.