一种人工智能系统，旨在帮助科学家编写专家级别的实证研究软件

摘要

科学发现的进程常常受到手动开发软件的瓶颈限制，这些软件用于支持计算实验¹。为了解决这一问题，我们提出了“Empirical Research Assistance”（ERA）这一人工智能系统，该系统能够生成专家级别的科学软件，其目标是最大化某个质量指标。该系统利用大型语言模型（LLM）和树搜索（Tree Search，TS）²来系统地提升质量指标，并智能地探索众多可能的解决方案。当ERA从外部来源整合复杂的科研思路时，它能够产出专家级别的成果。树搜索的有效性已在多种任务中得到验证：在生物信息学领域，ERA发现了40种新的单细胞数据分析方法，其性能超过了公共排行榜上最优秀的人类开发方法；在流行病学领域，ERA生成的14个模型在预测COVID-19住院病例方面优于美国疾病控制与预防中心（CDC）的集成模型以及所有其他单个模型；此外，ERA还开发了用于地理空间分析、斑马鱼神经活动预测、积分数值计算的专家级软件，以及一种基于规则的时间序列预测新方法。通过为各种任务设计并实施创新解决方案，ERA为加速科学进步迈出了重要一步。