谷歌全新人工智能系統(tǒng)將大型語言模型（LLMs）與樹搜索（Tree Search）技術相結合，實現(xiàn)了專家級科學軟件的自動化創(chuàng)建。通過將研究重構為“可評分任務”，該系統(tǒng)在生物信息學、流行病學和神經(jīng)科學領域展現(xiàn)出超越人類的性能，預示著加速科學發(fā)現(xiàn)的新時代到來。

假設你是一名科學家，正凝視著屏幕。你的目標是研究亞馬遜雨林的森林砍伐問題——你已掌握拍字節(jié)（PB）級別的衛(wèi)星數(shù)據(jù)，但要將這些原始數(shù)據(jù)轉化為可靠的“森林砍伐檢測工具”，還需要專門的軟件支持。這絕非普通軟件，而是實證軟件（empirical software） ——一組復雜的代碼組合，需經(jīng)過精心設計，以最大化單一可測量的質(zhì)量分數(shù)。從數(shù)據(jù)預處理到模型架構，每一個選擇都如同道路的岔路口，而可供選擇的路徑幾乎無窮無盡。

你該如何選擇？

數(shù)十年來，答案始終離不開深厚的領域專業(yè)知識、直覺判斷、有根據(jù)的猜測，以及耗時費力的反復試驗。這一過程——即實證軟件的人工創(chuàng)建過程——是制約現(xiàn)代研究發(fā)展的“隱形痛點瓶頸”。它效率低下、枯燥繁瑣，且嚴重受限于人類的能力邊界：我們只能探索極小部分可能的解決方案。

若能改變這一現(xiàn)狀呢？若能構建一個不僅能協(xié)助科學家，還能主動代其探索這片廣闊可能性空間的系統(tǒng)呢？

谷歌團隊發(fā)表的一篇突破性論文《一款助力科學家編寫專家級實證軟件的人工智能系統(tǒng)》（“An AI system to help scientists write expert-level empirical software”），恰好揭開了這類系統(tǒng)的面紗。這并非人工智能輔助編碼領域的又一小步迭代，而是人類探索計算科學方式的根本性范式轉變。該團隊開發(fā)的人工智能系統(tǒng)能夠系統(tǒng)性地自動生成科學軟件，且在眾多學科領域中，其性能不僅能與人類持平，還能持續(xù)超越人類專家。

接下來，我們將深入探討谷歌如何打造出這款能夠加速科學本身發(fā)展的人工智能。

科學領域的隱形瓶頸：實證軟件的“創(chuàng)建之痛”

在深入了解谷歌的解決方案前，我們首先需要認清問題的嚴重性。如今，從基因組學到天體物理學，幾乎所有學科都依賴軟件來驗證假設、實現(xiàn)發(fā)現(xiàn)。其中大部分軟件被論文稱為“面向可評分任務的實證軟件”。

可評分任務（Scorable Task）：指可通過明確指標衡量解決方案質(zhì)量的科學問題。例如，預測新冠病毒（COVID-19）住院人數(shù)就是一項可評分任務，其中“加權區(qū)間分數(shù)（Weighted Interval Score，WIS）”即為質(zhì)量指標。而用于實現(xiàn)該預測的軟件就是實證軟件。

創(chuàng)建這類軟件堪稱一項“赫拉克勒斯式的艱巨任務”。盡管實證軟件曾助力化學、蛋白質(zhì)折疊等領域取得諾貝爾獎級別的突破，但其創(chuàng)建過程始終停留在“手工匠人式”的階段。科學家們往往被迫基于直覺或便利性做出無數(shù)設計選擇，而非通過全面的實驗驗證。

• 我應選擇哪種統(tǒng)計模型？
• 如何預處理這些含噪聲的數(shù)據(jù)？
• 哪些超參數(shù)能帶來最佳結果？
• 是否應結合兩種不同的理論方法？

每個問題都代表一個分支節(jié)點。潛在程序的總數(shù)構成了一個“解決方案空間”，其規(guī)模之龐大，任何人類團隊都無法完全探索。我們找到的只是“足夠好”的解決方案，但在那些未被探索的分支中，幾乎必然隱藏著具有革命性的發(fā)現(xiàn)——而這些發(fā)現(xiàn)正被我們遺憾地錯過。

這一局限嚴重拖累了科學進步的步伐。若能更高效地探索這片解決方案空間，我們本可以為更多疾病建立模型、預測更多氣候模式。

谷歌的解決方案：能“撰寫科學”的人工智能系統(tǒng)

谷歌團隊的核心洞見在于重新定義這一挑戰(zhàn)的本質(zhì)：不再將軟件創(chuàng)建視為人類執(zhí)行的任務，而是將其視為人工智能可解決的“搜索問題”。最終目標是：在廣闊的解決方案空間中，找到能最大化質(zhì)量分數(shù)的特定程序。

為實現(xiàn)這一目標，團隊構建了一個如同“不知疲倦、才華橫溢且極具系統(tǒng)性的研究助手”的系統(tǒng)。它基于一個簡單卻深刻的反饋循環(huán)運行：提出方案→測試驗證→學習改進→循環(huán)迭代。

該系統(tǒng)的核心由兩個協(xié)同工作的組件構成：

1. 創(chuàng)意編碼器（大型語言模型——LLM）：這是系統(tǒng)的“創(chuàng)新引擎”。給定問題描述和當前最優(yōu)代碼后，LLM的任務是重寫代碼，提出可能提升分數(shù)的智能“變異（mutation）”。它就像一位出色的程序員，能根據(jù)高層級思路，瞬間生成代碼的新版本。
2. 策略主導者（樹搜索——TS）：這是系統(tǒng)的“核心大腦”。若缺乏策略指導，生成無數(shù)代碼變體將毫無意義。樹搜索算法會智能引導探索過程：它會構建一個包含所有已嘗試代碼解決方案的“樹結構”，記錄有效與無效的方案。關鍵在于，它會通過平衡“利用（exploitation）”與“探索（exploration）”來決定下一步探索的路徑——“利用”指對已有高分程序進行小幅調(diào)整，“探索”則指嘗試全新且具有風險、可能帶來重大突破的思路。

不妨將其比作國際象棋大師：樹搜索算法如同大師，俯瞰全局棋盤并規(guī)劃多步之后的走法；而LLM則像大師可咨詢的一組世界級棋手，大師會向他們提問：“從當前局面出發(fā)，有哪些有創(chuàng)意的走法可嘗試？”隨后，大師會綜合這些建議，選擇符合整體獲勝策略的走法。

這種組合將緩慢的人工科學編碼過程，轉化為自動化、系統(tǒng)性且可規(guī)模化的“高分解決方案搜索過程”。

探索引擎的內(nèi)部機制：LLM與樹搜索如何開辟新領域

讓我們揭開“引擎蓋”，看看這一系統(tǒng)的實際運作方式。LLM與樹搜索算法的協(xié)作，就像一場精心編排的舞蹈。

本方法的示意圖與性能表現(xiàn)。a，本方法算法的示意圖：將可評分任務及用于解決該任務的研究思路輸入LLM，LLM在“沙箱（sandbox，安全測試環(huán)境）”中生成用于評估該可評分任務的代碼。隨后，代碼被嵌入樹搜索算法中，新節(jié)點的選擇會平衡“利用”與“探索”，并從LLM中采樣（具體方法見“方法”章節(jié)）。b，代碼生成方法在Kaggle Playground基準測試中的性能表現(xiàn)：結果顯示16項任務的公共排行榜百分位平均性能。基于本方法的模型以粗體標注。誤差線代表標準差。BDT，梯度提升決策樹（boosted decision tree）。c，用于生成解決科學問題的初始研究思路的機制。

整個過程始于一個初始提示詞（prompt），其中包含AI啟動所需的所有信息：

• 科學問題描述（例如“預測新冠病毒住院人數(shù)”）；
• 具體評分指標（例如“最小化加權區(qū)間分數(shù)WIS”）；
• 相關數(shù)據(jù)的訪問權限；
• 初始代碼（可非常簡單，如基礎模板）。

該提示詞被發(fā)送至LLM后，LLM會生成第一個候選解決方案。代碼在安全的“沙箱環(huán)境”中執(zhí)行，其性能會被評分——至此，樹搜索正式啟動。

該算法基于因AlphaGo而聞名的樹預測Upper Confidence邊界算法（Predictor + Upper Confidence bound for Trees，PUCT） 構建可能性樹。樹中的每個節(jié)點都是一個完整、可運行的軟件片段。為決定下一個待擴展的節(jié)點，PUCT會為每個候選節(jié)點計算一個“價值分數(shù)”，該分數(shù)同時兼顧節(jié)點的已知性能和未來改進潛力。

這一設計可避免系統(tǒng)陷入“局部最優(yōu)陷阱”：若系統(tǒng)僅對高分代碼進行調(diào)整（純“利用”），可能會錯過另一種最終性能更優(yōu)的全新方法；而通過將部分搜索資源分配給探索較少的分支（“探索”），系統(tǒng)能夠實現(xiàn)類似人類“概念飛躍”的突破，進而催生真正的創(chuàng)新。

更重要的是，該系統(tǒng)并非盲目搜索——它能結合人類知識進行引導。提示詞可通過多種渠道補充“研究思路”：

• 科學論文：系統(tǒng)可利用另一款LLM閱讀并總結相關學術論文，將核心思路直接注入提示詞；
• 專家建議：人類科學家可提供高層級策略建議，例如“嘗試將線性模型與梯度提升機結合”或“重點優(yōu)化特征工程的魯棒性”；
• 過往解決方案：最巧妙的是，系統(tǒng)能從自身成功經(jīng)驗中學習——它可提取兩個此前發(fā)現(xiàn)的高分解決方案，讓LLM將二者“重組”，生成融合兩者優(yōu)勢的全新混合方案。

這種整合外部知識、生成新型混合方案的能力，正是系統(tǒng)的“超能力”。它模仿了人類科學發(fā)現(xiàn)的過程——“站在巨人的肩膀上”——但執(zhí)行規(guī)模和速度遠超人類能力極限。

技術深度解析：引導式進化與思路重組的藝術

對于希望深入了解機制的讀者，我們將聚焦兩個關鍵技術細節(jié)：搜索算法與“思路重組”過程。

PUCT搜索算法

樹搜索的核心并非簡單選擇分數(shù)最高的節(jié)點，而是通過PUCT公式計算并選擇下一個待擴展的節(jié)點??u*??：

??u* = argmax(u) [RankScore(u) + C * P(u) * sqrt(N_total) / (1 + V(u))]??

我們將在不陷入復雜數(shù)學的前提下拆解這一公式：

1. RankScore(u)：這是“利用”項，代表該代碼解決方案迄今為止的表現(xiàn)優(yōu)劣——分數(shù)越高，表明這是一條已知的優(yōu)質(zhì)路徑。

2. C * P(u) * sqrt(N_total) / (1 + V(u))：這是“探索”項，各參數(shù)含義如下：

• ??P(u)??：先驗概率（系統(tǒng)初始時認為所有路徑的可能性均等）；
• ??V(u)??：該節(jié)點的訪問次數(shù)——若某節(jié)點被訪問多次，此項數(shù)值會變小，系統(tǒng)選擇該節(jié)點的概率也會降低；
• ??N_total??：總模擬次數(shù)——隨著搜索推進，此項會促使系統(tǒng)去探索訪問較少的節(jié)點；
• ??C??：控制“利用”與“探索”權衡關系的常數(shù)——C值越大，系統(tǒng)越傾向于探索。

這一簡潔的公式讓系統(tǒng)能夠動態(tài)調(diào)整策略：既聚焦有潛力的路徑，又不放棄對新穎思路的嘗試。它為管理龐大的搜索空間提供了一套嚴謹?shù)姆椒ㄕ摗?/p>

程序化思路重組

這或許是最令人興奮的技術細節(jié)。假設系統(tǒng)已完成兩次獨立搜索，為單細胞RNA測序（scRNA-seq）的批次整合任務找到了兩個性能優(yōu)異但思路迥異的解決方案：一個基于??ComBat???方法，另一個基于??BBKNN??方法。人類科學家可能需要數(shù)周時間研究兩者，才能想出融合方案——而AI系統(tǒng)可實現(xiàn)這一過程的自動化。具體步驟如下：

1. 提取最優(yōu)代碼：系統(tǒng)從??ComBat???搜索樹和??BBKNN??搜索樹中，分別提取最終的最高分代碼。

2. 基于LLM的分析：系統(tǒng)將兩個代碼解決方案輸入LLM（如論文實驗中使用的Gemini 2.5 Flash），并附帶特定提示詞：

“對比這兩個代碼解決方案……解釋兩者在核心原理上的差異。”

3. 生成混合提示詞：LLM對差異的解釋會被程序化地嵌入一個新的提示詞中，用于啟動新的樹搜索。該新提示詞會明確指示系統(tǒng)：

“請設計一種算法，融合兩種策略的優(yōu)勢部分，構建一種出色的混合策略，使其性能分數(shù)高于兩種單獨策略中的任意一種。”

4. 啟動新搜索：以“重組思路”為起點的全新樹搜索正式啟動，此時LLM的核心目標是生成能智能融合兩種“父思路”的代碼。

這種自動化的“分析→合成→實現(xiàn)”過程，是強大的創(chuàng)新引擎。正如我們將在下文看到的，這些AI生成的混合方案往往能超越兩種“父方案”的性能。

從理論到實踐：跨科學領域的“超人類”成果

該系統(tǒng)實力最有力的證明，在于其在真實科學基準測試中的表現(xiàn)。谷歌團隊在六個極具多樣性和挑戰(zhàn)性的領域對其進行了測試，結果令人震驚。

案例研究1：重塑單細胞分析領域的生物信息學

挑戰(zhàn)：單細胞RNA測序（scRNA-seq）讓我們能夠研究單個細胞，但來自不同實驗室或實驗的數(shù)據(jù)集（稱為“批次”）存在技術差異，會掩蓋真實的生物信號。“批次整合（batch integration）”是消除這類技術噪聲的關鍵任務，同時也是一大難題——目前已有近300種相關工具，該領域競爭異常激烈。

結果：研究團隊在OpenProblems基準測試（該任務的公共排行榜）中對AI系統(tǒng)進行了測試：

• 系統(tǒng)開發(fā)出40種全新方法，全部超越排行榜上已有的所有方法；
• 其表現(xiàn)最佳的解決方案是對BBKNN（一種常用批次整合方法）的改進版本，相比已發(fā)表的最優(yōu)方法，**整體性能提升了14%**；
• 突破點：系統(tǒng)并非簡單優(yōu)化BBKNN的實現(xiàn)——如以下圖表所示，它發(fā)現(xiàn)了一項關鍵創(chuàng)新：將BBKNN與另一種方法??ComBat??（批次效應校正方法）結合，在“尋找鄰居”前先對數(shù)據(jù)進行校正。這一混合思路由系統(tǒng)自主發(fā)現(xiàn)，正是其性能領先的核心原因。

樹搜索在scRNA-seq批次整合任務中的性能表現(xiàn)。a，批次整合任務示意圖：對不同數(shù)據(jù)集（青綠色和紅色）進行處理，消除數(shù)據(jù)中的批次效應，同時保留生物變異性。b，樹搜索方法（方法名稱以粗體標注，后綴為“(TS)”）與已發(fā)表的同類方法在OpenProblems基準測試v2.0.0中的性能對比。“按細胞類型添加抖動的完美嵌入（Perfect embedding by celltype with jitter）”是代表最佳可能性能的陽性對照方法，“按批次隨機整合（Shuffle integration by batch）”是不進行任何批次整合的陰性對照方法。“整體分數(shù)（Overall score）”是所有數(shù)據(jù)集和指標的平均值。“數(shù)據(jù)集（Datasets）”列中的每一項均為該數(shù)據(jù)集所有指標的平均值。“指標（Metrics）”列中的每一項均為該指標在所有數(shù)據(jù)集上的平均值。若指標無法計算或性能低于最低陰性對照，則賦值為0，顯示為空。c，表現(xiàn)最佳的批次平衡k近鄰（BBKNN）實現(xiàn)版本的性能提升與代碼創(chuàng)新標注：在第429次實現(xiàn)嘗試中引入了基于ComBat的嵌入生成方法。d，OpenProblems基準測試v2.0.0中，非對照方法、有無思路重組的本方法、Gemini深度研究（Gemini Deep Research）方法以及帶AI協(xié)科學家（AI co-scientist）的本方法的整體分數(shù)。Y軸下限為陰性對照方法“按批次隨機整合”的整體分數(shù)。未顯示7種重組方法、5種基礎方法和2種未達此性能的AI協(xié)科學家方法。*表示該方法為重組方法（即使未明確提示重組）。TS，樹搜索（tree search）；fastMNN、mnnCorrect，均為batchelor工具包中的批次整合方法。

這一結果意味著什么？它表明，人工智能現(xiàn)在可以進入一個復雜、成熟的生物信息學領域，并在幾小時內(nèi)發(fā)明出優(yōu)于人類數(shù)年研究成果的全新解決方案。

案例研究2：用更智能的新冠模型“超越疫情預測極限”

挑戰(zhàn)：預測新冠病毒住院人數(shù)是一項關鍵的公共衛(wèi)生任務。美國疾病控制與預防中心（CDC）協(xié)調(diào)管理的“新冠預測中心（COVID-19 Forecast Hub）”匯總了數(shù)十個專家團隊的模型，其中“新冠中心集成模型（CovidHub Ensemble）”（融合最優(yōu)模型的結果）是準確性的黃金標準——要超越這一模型難度極大。

結果：谷歌團隊對2024-2025賽季進行了回顧性研究：

• AI系統(tǒng)生成了14種不同的預測策略，全部超越官方的“新冠中心集成模型”；
• 其最終的“谷歌回顧性模型（Google Retrospective）”平均WIS得分為26，顯著優(yōu)于集成模型的29（分數(shù)越低越好）；
• 協(xié)同混合優(yōu)勢：系統(tǒng)發(fā)現(xiàn)，性能最佳的模型均為“混合模型”——它持續(xù)將簡單穩(wěn)定的“氣候學基礎模型”與復雜且響應迅速的“自回歸模型”融合，生成了兼具魯棒性和高適應性（能快速應對最新趨勢）的全新模型——這一復雜策略完全由AI自主發(fā)現(xiàn)。

樹搜索在新冠病毒預測任務中的性能表現(xiàn)。a，預測實驗中使用的滾動驗證窗口：每次搜索的輸出結果在之前的時間段（藍色）進行內(nèi)部驗證，生成的模型隨后用于其對應預測周期（橙色）的預測。訓練數(shù)據(jù)包括2020年8月8日及之后、驗證集之前的所有日期。b，時間序列排行榜：顯示各參與團隊和“谷歌回顧性模型”的每周預測性能（平均WIS），按平均WIS排序。分數(shù)為所有52個轄區(qū)和4個預測時間范圍的匯總結果。每個單元格內(nèi)的數(shù)字為該模型當周的絕對平均WIS。單元格背景色直觀顯示相對于“新冠中心集成模型（CovidHub-ensemble）”的性能：藍色表示W(wǎng)IS更低（性能更好），紅色表示W(wǎng)IS更高（性能更差）。c，本模型與“新冠中心集成模型”在轄區(qū)層面的預測誤差（平均WIS）直接對比：表明本模型在大多數(shù)地區(qū)的性能更優(yōu)。d，本模型在2024/25新冠賽季全周期內(nèi)預測誤差（平均WIS）的地理分布：誤差值越低（顏色越淺），性能越好。e，不同建模策略的匯總預測性能對比：包括新冠中心競賽的基準模型、本研究的回顧性模型、對提交模型的復現(xiàn)結果、通過重組生成的新型混合模型、深度研究模型（Deep Research）和AI協(xié)科學家模型。在3周評估周期（3個參考日期×4個時間范圍×52個轄區(qū)）內(nèi)，有14種策略（10種重組策略、2種深度研究策略、1種AI協(xié)科學家策略和1種復現(xiàn)基準策略）的性能超越官方“新冠中心集成模型”。未顯示性能低于“新冠中心基準模型（CovidHub-baseline）”的模型。

這一案例證明，該系統(tǒng)能夠在高風險、高競爭的環(huán)境中運作，并生成性能優(yōu)于數(shù)十個人類專家團隊集體智慧的策略。

案例研究3：從斑馬魚大腦到復雜積分運算

研究團隊還在其他多個領域測試了系統(tǒng)的通用性：

• 地理空間分析：在DLRSD基準測試（用于衛(wèi)星圖像分割）中，AI生成的解決方案平均交并比（mean Intersection over Union，mIoU）得分超過0.80，顯著優(yōu)于此前的學術領域最優(yōu)結果；
• 神經(jīng)科學：在ZAPBench基準測試（用于預測幼體斑馬魚全腦神經(jīng)活動）中，系統(tǒng)生成的模型性能超越所有其他基準模型（包括復雜的視頻基模型），且訓練速度快了數(shù)個數(shù)量級——在單塊GPU上訓練僅需不到2小時，而對比模型在16塊A100 GPU上訓練需36小時；
• 數(shù)值分析：最令人驚訝的是，團隊還讓系統(tǒng)解決了一個純數(shù)學問題：求解標準且高度權威的??scipy.integrate.quad()??函數(shù)無法處理的復雜積分。系統(tǒng)從調(diào)用??quad()??的簡單代碼開始，逐步優(yōu)化，最終生成了一個復雜的全新程序——在19個“無法求解”的預留積分問題中，該程序正確求解了17個，相當于為這類特殊場景提供了一個可直接替代標準庫函數(shù)的解決方案。

各模型在DLRSD基準測試中的性能對比表：表格顯示了樹搜索解決方案和參考論文中方法的發(fā)表年份、架構、關鍵特征及報告的平均交并比（mIoU）。

在所有領域中，結果都指向同一個結論：自動化系統(tǒng)能夠系統(tǒng)性地探索可能的程序空間，并找到性能等同于甚至優(yōu)于人類多年專注研究成果的解決方案。

未來屬于“可評分”：我們正處于科學革命的臨界點嗎？

這項研究的潛在影響怎么強調(diào)都不為過——我們正在見證一個“計算發(fā)現(xiàn)過程被根本性加速”的未來。

反復試驗是科學進步的核心……該系統(tǒng)能以極快的速度生成專家級解決方案，將一組思路的探索時間從數(shù)周或數(shù)月縮短至數(shù)小時或數(shù)天。以這種方式加速研究，將對科學發(fā)展產(chǎn)生深遠影響。

這項技術為科學研究增添了一件全新的“利器”：對于任何可通過“評分”衡量進步的領域，都可部署該系統(tǒng)。試想這樣一個未來：

• 材料科學家為新型電池電解質(zhì)的“效率與穩(wěn)定性”定義“質(zhì)量分數(shù)”，AI系統(tǒng)探索化學和模擬空間，提出全新候選材料；
• 氣候科學家讓AI優(yōu)化全球氣候模型中“云形成參數(shù)化”（一項眾所周知的“可評分任務”）；
• 制藥公司利用類似系統(tǒng)優(yōu)化臨床試驗設計，探索能最大化患者療效和統(tǒng)計效力的方案。

當然，該系統(tǒng)并非萬能藥。其主要局限在于，它需要以“可評分任務”為前提——而許多科學研究具有探索性，無法簡化為單一數(shù)值。此外，對“解決方案背后原理”的解釋仍需人類洞察力：系統(tǒng)能發(fā)現(xiàn)性能卓越的新型方法組合，但理解其成功的深層理論原因，仍是人類的任務。

但對于日益龐大的“計算型科學領域”而言，這無疑是一個分水嶺。我們正從“科學家使用軟件作為工具”的時代，邁向“科學家與軟件作為創(chuàng)新伙伴協(xié)作”的時代。

谷歌的這篇論文不僅展示了一款強大的新型人工智能，更讓我們得以窺見未來：人類直覺的瓶頸被打破，科學發(fā)現(xiàn)的速度僅受限于“提出正確問題”和“定義正確評分標準”的能力。

科學革命由新工具驅動——望遠鏡、顯微鏡莫不如此。而這款人工智能探索引擎，或許將成為21世紀最具決定性的科學工具。

核心要點

• 新范式：科學軟件開發(fā)可被定義為一個搜索問題，借助人工智能實現(xiàn)自動化，從而加速科學發(fā)現(xiàn)。
• LLM + 樹搜索：系統(tǒng)核心是“創(chuàng)意LLM代碼生成器”與“策略樹搜索算法”的強大組合，后者負責引導對可能解決方案的探索。
• 知識整合：系統(tǒng)的真正優(yōu)勢在于其整合外部知識的能力——可融入論文、專家建議及自身過往發(fā)現(xiàn)（思路重組）中的研究思路。
• 超人類性能：在生物信息學、流行病學等多樣且競爭激烈的科學領域，該系統(tǒng)已展現(xiàn)出超越專家水平的領域最優(yōu)性能。
• 加速科學：通過自動化實證軟件的人工創(chuàng)建過程，這一方法有望從根本上提升科學進步的速度。

參考文獻

Aygün, E., Belyaeva, A., Comanici, G., et al. (2025). An AI system to help scientists write expert-level empirical software. arXiv:2509.06503v1

本文轉載自?????????AIGC深一度??