你是否想过，有一天AI不仅能写论文、跑实验，还能自己提出科学假设、设计验证方案、分析结果并撰写完整学术论文？AI Scientist-v2 正是这样一套真正“端到端自主科研”的开源系统——它不依赖人类模板，不局限于单一领域，而是像一位训练有素的博士后研究员，全程主导从问题发现到成果发表的整个科研闭环。该项目已成功产出首篇由AI完全撰写、经同行评审并被ICLR 2025 Workshop正式接收的学术论文，标志着AI驱动科研迈入全新阶段。
核心功能
- 全自动科学假设生成：基于现有文献与数据，自主提出可验证、具创新性的研究问题与理论猜想，而非简单复述已有结论
- 动态实验设计与执行：调用Python生态（如PyTorch、scikit-learn）自动构建ML实验流程，支持超参搜索、模型对比、消融分析等典型科研任务
- 智能数据分析与可视化：自动解读实验结果，识别统计显著性、异常模式与潜在因果线索，并生成图表与文字分析摘要
- 结构化论文写作能力：无需预设模板，自动生成包含引言、方法、实验、讨论、参考文献等完整章节的学术稿件，语言符合领域规范
- 树状探索式推理（Agentic Tree Search）：通过多分支假设检验与回溯机制，系统性探索科研路径，避免陷入局部最优，提升发现突破性结论的概率
- 跨ML子领域泛化能力：已在计算机视觉、自然语言处理、图神经网络等多个方向成功复现科研流程，不再局限于v1版本的特定任务设定
适合哪些人用
本项目主要面向三类中文技术用户：高校与研究所的科研工作者（尤其是AI/ML方向硕博生与青年教师），可用于快速验证新想法、辅助文献综述或作为教学演示工具；工业界算法工程师与研发团队，可将其嵌入内部AI平台，加速技术预研与原型验证周期；对AI自主推理、智能体（Agent）架构感兴趣的开发者与学习者，代码结构清晰、模块解耦良好，是深入理解“科研级Agent”设计思想的优质实践案例。
快速上手
项目基于Python开发，推荐使用Python 3.10+环境。安装只需两步：
- 克隆仓库：
git clone https://github.com/SakanaAI/AI-Scientist-v2.git && cd AI-Scientist-v2 - 安装依赖：
pip install -r requirements.txt（需确保已配置好OpenAI或本地大模型API密钥） - 运行示例任务：
python main.py --task cv_mnist_baseline即可启动一个图像分类领域的微型科研循环
详细配置说明、自定义实验模板及LLM适配指南见项目 GETTING_STARTED.md 文档。
项目信息
编程语言：Python｜GitHub Star 数：3529｜开源协议：NOASSERTION（建议商用前联系作者确认授权范围）｜GitHub 项目地址
这是目前中文社区最接近“真实科研助理”形态的开源AI系统——它不炫技、不画饼，用扎实的工程实现和已被验证的学术成果，为每一个想让AI真正帮自己“思考科学问题”的人，打开了一扇门。
