OmniScientist: Rumo a um Ecossistema de Coevolução de Cientistas Humanos e de IA
OmniScientist: Toward a Co-evolving Ecosystem of Human and AI Scientists
November 21, 2025
Autores: 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
Resumo
Com o rápido desenvolvimento dos Modelos de Língua Grande (LLMs), os agentes de IA têm demonstrado proficiência crescente em tarefas científicas, desde a geração de hipóteses e o desenho experimental até a redação de manuscritos. Tais sistemas de agentes são comumente referidos como "Cientistas de IA". No entanto, os Cientistas de IA existentes predominantemente formulam a descoberta científica como um problema de busca ou otimização isolado, negligenciando o fato de que a pesquisa científica é inerentemente um empreendimento social e colaborativo. A ciência do mundo real depende de uma infraestrutura científica complexa composta por mecanismos colaborativos, atribuição de contribuições, revisão por pares e redes estruturadas de conhecimento científico. Devido à falta de modelagem dessas dimensões críticas, os sistemas atuais lutam para estabelecer um ecossistema de pesquisa genuíno ou interagir profundamente com a comunidade científica humana. Para preencher essa lacuna, apresentamos o OmniScientist, uma estrutura que codifica explicitamente os mecanismos subjacentes da pesquisa humana no fluxo de trabalho científico da IA. O OmniScientist não apenas alcança a automação de ponta a ponta através da base de dados, revisão de literatura, ideação de pesquisa, automação de experimentos, redação científica e revisão por pares, mas também fornece suporte infraestrutural abrangente ao simular o sistema científico humano, compreendendo: (1) um sistema de conhecimento estruturado construído sobre redes de citações e correlações conceituais; (2) um protocolo de pesquisa colaborativa (OSP), que permite colaboração multiagente perfeita e a participação de pesquisadores humanos; e (3) uma plataforma de avaliação aberta (ScienceArena) baseada na votação pareada cega por utilizadores e rankings Elo. Esta infraestrutura capacita os agentes não apenas para compreender e alavancar os sistemas de conhecimento humano, mas também para colaborar e co-evoluir, fomentando um ecossistema de inovação sustentável e escalável.
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.