企业官网建设流程全解析

25年10月来自上海AI实验室、浙大、复旦等大学的论文“From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery”。

这篇综述的核心观点是：AI for Science 正从“用模型解决单个科学问题”，走向“由智能体组织、执行并迭代整个科研过程”。 作者将这一阶段称为 Agentic Science（智能体科学）。它最有价值的贡献，是把分散的研究整理成“能力—流程—学科应用”的统一框架；其主要不足，则是对“自主性”“科学发现”和“验证”的界定与证据分级还不够严格。

一、这篇综述究竟研究什么？

传统科学 AI 通常接受一个已经定义好的任务，例如预测蛋白质结构、估计材料性质、计算反应产率。研究问题、实验安排和结果解释主要由人负责。

本文关注的变化是：AI 开始承担任务之间的组织与决策工作，包括阅读文献、提出假设、选择工具、设计实验、分析结果，以及决定下一步研究方向。

因此，作者真正讨论的是：

AI 能否根据科学目标和实验反馈，持续推进一项研究，而不仅是完成一次预测或生成？

全文围绕三个层面展开：

第 2 章建立概念，第 3—4 章介绍能力和流程，第 5—8 章梳理应用，第 9—10 章讨论挑战与未来。

二、作者如何划分科学 AI 的发展阶段？

作者提出四级框架，区分 AI 在科研中承担的责任与自主程度。（第 2 章，第 6—9 页）

其中，L2 是任务层面的自主，L3 是目标层面的自主。作者主要研究 L2 和 L3，L4 属于未来展望。

这一区分很有启发性：模型的预测精度再高，也不自动意味着它具有科研自主性。自主性还取决于系统能否根据反馈选择行动、调整研究路径。

作者同时强调，人的角色将更多转向研究目标设定、价值判断、结果验证与伦理监督。

如图 1 所示人工智能驱动的科学研究）的演进：从计算工具到创造性合作伙伴——AI 在科学领域发展的四个阶段。“自主科学”（Agentic Sc​​ience）是 AI for Science 发展过程中的一个阶段，主要对应第三阶段（全自主发现），并建立在第二阶段（部分自主发现）的基础之上。

三、科学智能体的五种核心能力

这一部分