AI-Scientist 三步上手如何让 LLM 自主完成全流程科研【免费下载链接】AI-ScientistThe AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery 项目地址: https://gitcode.com/GitHub_Trending/ai/AI-ScientistAI-Scientist 是一个全自动科研系统让大语言模型LLM自主完成从提出想法、编写实验代码、跑训练到撰写 LaTeX 论文和同行评审的完整链条产出完整 PDF 论文与可复现代码。下面按官方 nanoGPT 模板走一遍部署与运行的最短路径。第一次跑起来3 条命令启动一个 idea先克隆仓库配好 Python 3.11 环境装上 requirements.txt 里的依赖另需安装 pdflatex排版阶段要用到git clone https://gitcode.com/GitHub_Trending/ai/AI-Scientist cd AI-Scientist接着为选定的模板创建基线运行。这一步必须自己做run_0 记录训练耗时等和硬件相关的指标后续新 idea 相对基线的加速都以它为准不能跨机器复用。仓库内置 nanoGPT、2d_diffusion、grokking 三个官方模板第一次建议只挑一个跑python data/enwik8/prepare.py cd templates/nanoGPT python experiment.py --out_dir run_0 python plot.py基线就位后启动主流程。首次试跑 2 个想法即可python launch_scientist.py --model claude-3-5-sonnet-20241022 --experiment nanoGPT --num-ideas 2跑完后结果落在 results/nanoGPT/ 下每个 idea 一个文件夹里面有被改写的 experiment.py、各轮实验数据、生成的论文 PDF 和评审文件。背后在做什么从想法到评审的 4 个环节主流程在 launch_scientist.py 里四个环节分别对应 ai_scientist/ 目录下的模块想法生成LLM 读模板的现有代码与种子想法产出候选 idea并给出趣味性、可行性、新颖度三维打分新颖度检查调 Semantic Scholar API也可用免费的 OpenAlex 替代检索该想法是否已发表不是则标记为非 novel代码与实验把 idea 交给 aider一个 AI 代码编辑工具修改 experiment.pyrun_1 到 run_5 各跑一轮对照实验plot.py 出图写作与评审LLM 填充 LaTeX 模板并编译 PDF再由 5 份评审加多轮自我反思输出评分、接受/拒绝结论与缺点列表每个 idea 的文件夹里还有 notes.txt 记录基线结果、log.txt 记录全部输出排查问题时可以逐步回溯。模型选择在 ai_scientist/llm.py 里定义官方建议不要低于 GPT-4 档位更弱的模型很难把实验代码稳定跑通。结果怎么读10 篇样例论文帮你摸到上限仓库的 example_papers/ 里放了 10 篇成品 PDF 和完整实验目录覆盖扩散模型与 grokking指模型训练很久后从死记硬背突然转向真正泛化的现象两个方向。其中数据增强加速 grokking这篇是模型自己设计增强方法、在 4 个算术任务上跑完实验并产出这样的收敛曲线扩散方向生成的样本长这样。DualDiff 把去噪拆成两个专家来处理论文与插图均由系统独立完成参数怎么调成本与速度都在这几个开关--num-ideas想法数量默认 50试跑从 2 开始--parallel多卡并行数0 表示串行--gpus指定使用哪些 GPU如 0,1,2--engine openalex换用免 API key 的文献检索--skip-idea-generation复用已有想法跳过想法阶段--improvement依据评审意见让模型修改论文并复审成本方面官方论文称 Claude Sonnet 3.5 生成一篇通常在 15 美元以内想省钱可以换 DeepSeek Coder V2。Semantic Scholar 访问不畅时可跳过新颖度检查与引用阶段或改用 --engine openalex。容易踩的坑与它做不到什么动手之前先确认这几条硬约束硬件需 Linux NVIDIA GPU CUDA纯 CPU 运行当前模板基本不可行安全会真实执行 LLM 写的代码建议用社区 Dockerfile 做容器化排版需 pdflatextexlive-full安装耗时较长成功率并非每个 idea 都能成功Claude Sonnet 3.5 最高评审环节官方建议 GPT-4o其他模型易偏正面或格式不合范围目前只支持能用代码表达成实验的想法挑一个你关心的模板先跑 run_0 基线再用 2 个 idea 试一次手——第一份 PDF 出的时间比想象久但值得等。【免费下载链接】AI-ScientistThe AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery 项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Scientist创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AI-Scientist 三步上手：如何让 LLM 自主完成全流程科研
AI-Scientist 三步上手如何让 LLM 自主完成全流程科研【免费下载链接】AI-ScientistThe AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery 项目地址: https://gitcode.com/GitHub_Trending/ai/AI-ScientistAI-Scientist 是一个全自动科研系统让大语言模型LLM自主完成从提出想法、编写实验代码、跑训练到撰写 LaTeX 论文和同行评审的完整链条产出完整 PDF 论文与可复现代码。下面按官方 nanoGPT 模板走一遍部署与运行的最短路径。第一次跑起来3 条命令启动一个 idea先克隆仓库配好 Python 3.11 环境装上 requirements.txt 里的依赖另需安装 pdflatex排版阶段要用到git clone https://gitcode.com/GitHub_Trending/ai/AI-Scientist cd AI-Scientist接着为选定的模板创建基线运行。这一步必须自己做run_0 记录训练耗时等和硬件相关的指标后续新 idea 相对基线的加速都以它为准不能跨机器复用。仓库内置 nanoGPT、2d_diffusion、grokking 三个官方模板第一次建议只挑一个跑python data/enwik8/prepare.py cd templates/nanoGPT python experiment.py --out_dir run_0 python plot.py基线就位后启动主流程。首次试跑 2 个想法即可python launch_scientist.py --model claude-3-5-sonnet-20241022 --experiment nanoGPT --num-ideas 2跑完后结果落在 results/nanoGPT/ 下每个 idea 一个文件夹里面有被改写的 experiment.py、各轮实验数据、生成的论文 PDF 和评审文件。背后在做什么从想法到评审的 4 个环节主流程在 launch_scientist.py 里四个环节分别对应 ai_scientist/ 目录下的模块想法生成LLM 读模板的现有代码与种子想法产出候选 idea并给出趣味性、可行性、新颖度三维打分新颖度检查调 Semantic Scholar API也可用免费的 OpenAlex 替代检索该想法是否已发表不是则标记为非 novel代码与实验把 idea 交给 aider一个 AI 代码编辑工具修改 experiment.pyrun_1 到 run_5 各跑一轮对照实验plot.py 出图写作与评审LLM 填充 LaTeX 模板并编译 PDF再由 5 份评审加多轮自我反思输出评分、接受/拒绝结论与缺点列表每个 idea 的文件夹里还有 notes.txt 记录基线结果、log.txt 记录全部输出排查问题时可以逐步回溯。模型选择在 ai_scientist/llm.py 里定义官方建议不要低于 GPT-4 档位更弱的模型很难把实验代码稳定跑通。结果怎么读10 篇样例论文帮你摸到上限仓库的 example_papers/ 里放了 10 篇成品 PDF 和完整实验目录覆盖扩散模型与 grokking指模型训练很久后从死记硬背突然转向真正泛化的现象两个方向。其中数据增强加速 grokking这篇是模型自己设计增强方法、在 4 个算术任务上跑完实验并产出这样的收敛曲线扩散方向生成的样本长这样。DualDiff 把去噪拆成两个专家来处理论文与插图均由系统独立完成参数怎么调成本与速度都在这几个开关--num-ideas想法数量默认 50试跑从 2 开始--parallel多卡并行数0 表示串行--gpus指定使用哪些 GPU如 0,1,2--engine openalex换用免 API key 的文献检索--skip-idea-generation复用已有想法跳过想法阶段--improvement依据评审意见让模型修改论文并复审成本方面官方论文称 Claude Sonnet 3.5 生成一篇通常在 15 美元以内想省钱可以换 DeepSeek Coder V2。Semantic Scholar 访问不畅时可跳过新颖度检查与引用阶段或改用 --engine openalex。容易踩的坑与它做不到什么动手之前先确认这几条硬约束硬件需 Linux NVIDIA GPU CUDA纯 CPU 运行当前模板基本不可行安全会真实执行 LLM 写的代码建议用社区 Dockerfile 做容器化排版需 pdflatextexlive-full安装耗时较长成功率并非每个 idea 都能成功Claude Sonnet 3.5 最高评审环节官方建议 GPT-4o其他模型易偏正面或格式不合范围目前只支持能用代码表达成实验的想法挑一个你关心的模板先跑 run_0 基线再用 2 个 idea 试一次手——第一份 PDF 出的时间比想象久但值得等。【免费下载链接】AI-ScientistThe AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery 项目地址: https://gitcode.com/GitHub_Trending/ai/AI-Scientist创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考