機器之心報道

編輯：冷貓

大模型在科研領(lǐng)域越來越高效了。

昨天，谷歌發(fā)表了一篇重磅文章，提出了一個能夠幫助科研人員編寫「專家級」科研軟件的 AI 系統(tǒng)。

該系統(tǒng)融合了大語言模型和傳統(tǒng)樹搜索，能夠自動編寫和優(yōu)化科研任務(wù)中所需的軟件程序，能夠獲取多種渠道的現(xiàn)有知識，整合并且重組這些知識來構(gòu)建一個新的研究思路。

谷歌生成，該系統(tǒng)不僅穩(wěn)定達(dá)到專家水平，還常常超越人類。在基因組學(xué)、公共健康、數(shù)值分析等多個領(lǐng)域，這套系統(tǒng)的表現(xiàn)甚至超過了頂尖研究團(tuán)隊和國家級集成系統(tǒng)。

• 論文標(biāo)題：An AI system to help scientists write expert-level empirical software
• 論文鏈接：https://www.alphaxiv.org/abs/2509.06503v1

如此這般，科研人員在各個領(lǐng)域的研究中都能夠使用這一 AI 系統(tǒng)來構(gòu)建全新的研究思路和實證程序，能夠更高效地進(jìn)行科學(xué)研究。

AI 在科研領(lǐng)域的應(yīng)用一直以自動化的特性為主，能夠輔助科研人員進(jìn)行可行性驗證，完成一些重復(fù)的高強度工作，減少科研人員在重復(fù)驗證、調(diào)試程序等工作上浪費的時間，更能夠激發(fā)科研人員的創(chuàng)新思維。

谷歌的這個系統(tǒng)能夠?qū)崿F(xiàn)研究思路的整合與重組，在科研任務(wù)中能夠創(chuàng)建一些新的策略，構(gòu)建更高效的模型，讓 AI 系統(tǒng)介入科研領(lǐng)域的創(chuàng)新過程，從一次性代碼生成的工具，轉(zhuǎn)變?yōu)橛闪炕繕?biāo)指導(dǎo)的迭代、搜索驅(qū)動的軟件演進(jìn)。

不過也有網(wǎng)友表達(dá)了 AI 深入科研領(lǐng)域的擔(dān)憂：

谷歌這一次的 AI 系統(tǒng)仍然具有很大的局限性，系統(tǒng)的構(gòu)建目標(biāo)是「可評分的科學(xué)任務(wù)」—— 即那些可以通過準(zhǔn)確率、誤差率或基準(zhǔn)測試排名等指標(biāo)來量化軟件性能的計算問題，雖覆蓋了廣泛的科研領(lǐng)域，但未提及那些不可量化評估的任務(wù)表現(xiàn)。

值得一提的是，前谷歌搜索成員Deedy Das分享了這個工作，而他最感興趣的是論文附錄中的 Prompt。

論文中使用的指令：「請創(chuàng)建一種算法，結(jié)合兩種策略的優(yōu)點，形成一種真正出色的混合策略，并且其得分要高于任一單獨策略。」說明優(yōu)秀的結(jié)果并不總需要非常復(fù)雜的 Prompt 指令。

論文詳細(xì)內(nèi)容如下：

本研究引入了一個 AI 系統(tǒng)，該系統(tǒng)能自動為科學(xué)計算任務(wù)創(chuàng)建專家級的實證軟件。該系統(tǒng)結(jié)合了大型語言模型和樹搜索算法，以迭代地生成、評估和完善科學(xué)軟件解決方案。其核心創(chuàng)新在于，LLM 不僅用于一次性代碼生成，而是作為系統(tǒng)搜索過程中一個智能的「變異」引擎，能夠整合并重組科學(xué)文獻(xiàn)中的研究思路。

圖 1: (a) 系統(tǒng)架構(gòu)：展示了可評分問題與研究思路如何輸入到大語言模型（LLM），由其生成代碼，并在沙盒環(huán)境中進(jìn)行評估，結(jié)果以樹搜索結(jié)構(gòu)進(jìn)行組織。(b) 性能對比：不同方法的成功率比較，結(jié)果顯示結(jié)合專家指導(dǎo)的樹搜索（TS）取得了最高成功率。(c) 研究思路來源：包括專家知識、學(xué)術(shù)論文，以及 AI 生成的重組方案。

問題與方法

本系統(tǒng)的目標(biāo)是「可評分的科學(xué)任務(wù)」—— 即那些可以通過準(zhǔn)確率、誤差率或基準(zhǔn)測試排名等指標(biāo)來量化軟件性能的計算問題。這類任務(wù)涵蓋了從基因組學(xué)到流行病學(xué)再到圖像分析等廣泛的科學(xué)計算應(yīng)用。

該方法論圍繞三個核心組件協(xié)同工作：

1. 基于 LLM 的代碼變異

不同于從零生成代碼，LLM 會持續(xù)重寫并優(yōu)化已有的候選代碼。系統(tǒng)利用 LLM 對編程邏輯和領(lǐng)域上下文的理解，結(jié)合研究思路和性能反饋，進(jìn)行智能化修改和改進(jìn)。

2. 樹搜索導(dǎo)航

代碼生成過程被嵌入到樹搜索算法中，以系統(tǒng)化方式探索龐大的軟件解空間。搜索過程在「利用」（集中改進(jìn)已有的優(yōu)質(zhì)解）和「探索」（尋找全新方法）之間取得平衡，使用了一種受 AlphaZero 啟發(fā)的 PUCT 算法變體。

3. 研究思路的融合

該系統(tǒng)的一大特色是能夠通過多種渠道引入外部知識：

• 直接注入來自科學(xué)論文和教材的研究思路
• 利用如 Gemini Deep Research 等工具生成 LLM 研究見解
• 程序化地重組已有成功方案，形成混合策略

該系統(tǒng)在 Kaggle playground 競賽中開發(fā)與迭代，因其具有快速迭代周期和清晰的人類表現(xiàn)基準(zhǔn)，成為理想的測試平臺。

跨科學(xué)領(lǐng)域的主要成果

基因組學(xué)：單細(xì)胞 RNA 測序

在從單細(xì)胞 RNA 測序數(shù)據(jù)中去除技術(shù)批次效應(yīng)同時保留生物學(xué)信號的挑戰(zhàn)性任務(wù)中，該系統(tǒng)發(fā)現(xiàn)了 40 種新方法，其性能優(yōu)于 OpenProblems 排行榜上所有已發(fā)表的方法。性能最佳的方法 BBKNN (TS) 通過將ComBat校正的 PCA 嵌入與批次平衡 K 近鄰相結(jié)合，比現(xiàn)有最佳方法（ComBat）提高了 14%。

圖 2：樹搜索進(jìn)展圖，顯示了迭代過程中性能的提高，并在突破點處標(biāo)注了關(guān)鍵算法創(chuàng)新。該系統(tǒng)發(fā)現(xiàn)了優(yōu)化批次感知圖構(gòu)建和實現(xiàn) ComBat 基因表達(dá)校正的方法。

地理空間分析：衛(wèi)星圖像分割

在使用DLRSD 數(shù)據(jù)集進(jìn)行衛(wèi)星圖像的密集像素級語義分割時，該系統(tǒng)的前三名解決方案顯著優(yōu)于最近的學(xué)術(shù)論文，平均交并比分?jǐn)?shù)大于 0.80。這些解決方案基于現(xiàn)有架構(gòu)（UNet++、SegFormer），但優(yōu)化了它們與強大的預(yù)訓(xùn)練編碼器和廣泛數(shù)據(jù)增強策略的集成。

圖 3：衛(wèi)星圖像分割結(jié)果示例，顯示原始圖像（頂行）、真實掩模（中行）和系統(tǒng)預(yù)測（底行）。系統(tǒng)成功分割了包括機場、跑道、飛機和基礎(chǔ)設(shè)施在內(nèi)的各種特征。

神經(jīng)科學(xué)：全腦神經(jīng)活動預(yù)測

在斑馬魚大腦中建模超過 70,000 個神經(jīng)元的活動（ZAPBench）時，系統(tǒng)生成的最佳模型在多步預(yù)測方面優(yōu)于所有基線，并且訓(xùn)練速度比競爭視頻模型快幾個數(shù)量級。該系統(tǒng)成功地將生物物理神經(jīng)元模擬器（Jaxley）整合到高性能解決方案中。

時間序列預(yù)測

在涵蓋 28 個不同時間序列數(shù)據(jù)集的 GIFT-Eval 基準(zhǔn)測試中，該系統(tǒng)在多個數(shù)據(jù)集上的性能優(yōu)于排行榜。值得注意的是，它從頭開始創(chuàng)建了一個統(tǒng)一的預(yù)測庫，該庫能自適應(yīng)地配置到不同的數(shù)據(jù)集，并將時間序列分解為各個組成部分。

圖 4：系統(tǒng)發(fā)現(xiàn)的成功預(yù)測方法的分布。梯度提升方法（GBM）和集成方法在各種預(yù)測任務(wù)中是最常成功的策略。

數(shù)值分析：復(fù)雜積分

對于評估具有無限限度的振蕩積分（其中 scipy.integrate.quad () 等標(biāo)準(zhǔn)算法完全失效）時，演化出的代碼正確評估了 19 個留出積分中的 17 個，誤差在 3% 分?jǐn)?shù)誤差之內(nèi)。該解決方案實現(xiàn)了復(fù)雜的數(shù)學(xué)啟發(fā)式方法，包括域劃分和歐拉變換以加速級數(shù)。

技術(shù)創(chuàng)新：研究思路與重組

一個關(guān)鍵的創(chuàng)新是研究思路的系統(tǒng)集成及其智能重組。該系統(tǒng)可以分析不同方法的核心原理，并合成創(chuàng)建混合方法的指令。

圖 5：方法重組結(jié)果分析，顯示原始方法與其組合版本之間的性能比較。綠色條表示成功的改進(jìn)，紅色條表示性能下降，而藍(lán)色表示原始方法的性能。

總結(jié)

這項研究表明，AI 不僅能夠?qū)崿F(xiàn)自動化，還能在多個科學(xué)領(lǐng)域系統(tǒng)性地超越人類在科研軟件開發(fā)中的表現(xiàn)。系統(tǒng)在生物信息學(xué)、流行病學(xué)、地理空間分析、神經(jīng)科學(xué)和數(shù)值分析等領(lǐng)域中，持續(xù)取得專家級，甚至超越人類水準(zhǔn)的成果，顯示出其廣泛的適用性。

該方法標(biāo)志著科研軟件開發(fā)范式的轉(zhuǎn)變：從「一次性代碼生成」走向「以可量化科學(xué)目標(biāo)為導(dǎo)向」的迭代式、搜索驅(qū)動的軟件進(jìn)化。通過將開發(fā)周期從「數(shù)周甚至數(shù)月」縮短至「數(shù)小時或數(shù)天」，這一系統(tǒng)有效解決了科研中的關(guān)鍵瓶頸問題，有潛力加速所有以可量化指標(biāo)衡量的計算研究。

系統(tǒng)在大規(guī)模解空間中進(jìn)行系統(tǒng)化探索，融合多元研究思路，并能大海撈針般的找出高質(zhì)量解決方案。這種能力預(yù)示著它可能從根本上改變科研軟件的開發(fā)方式：

既能讓更多研究者平等獲取先進(jìn)的分析工具，也能不斷拓展科學(xué)探索在計算能力上的邊界。