AMD把o1炼成了实验室助手，自动科研经费节省84%

从综述、实验到报告撰写，一站式搞定

原标题：AMD把o1炼成了实验室助手，自动科研经费节省84%
文章来源：量子位
内容字数：8593字

AMD科研AI“Agent Laboratory”：84%降低科研成本，o1-preview成天选打工人

AMD最新推出的科研AI系统“Agent Laboratory”，利用LLM (大语言模型) 一站式完成科学研究，从文献综述到实验、报告撰写，大幅降低科研成本。该系统在GPT-4o、o1-mini和o1-preview三个模型中，o1-preview表现最佳，生成的代码性能达到SOTA。

1. Agent Laboratory工作流程

Agent Laboratory主要分为三个阶段：文献综述、实验、报告撰写。每个阶段都分配不同的AI Agent角色，例如PhD Student、Postdoc、ML Engineer等，协同完成任务。

1. 文献综述：PhD Student利用arXiv API检索论文，提取摘要和全文，迭代式地构建文献综述。
2. 实验：
   1. 计划制定：PhD Student和Postdoc对话制定实验计划，包括实验步骤、模型选择、数据集选择等。
   2. 数据准备：ML Engineer使用Python处理数据，利用HuggingFace数据集搜索所需资源。
   3. 运行实验：ML Engineer使用mle-solver模块运行实验。mle-solver通过迭代优化代码，并使用LLM奖励模型评分，最终选择性能最佳的代码。
   4. 结果解释：PhD Student和Postdoc共同分析实验结果。
3. 报告撰写：PhD Student和Professor利用paper-solver模块撰写报告，该模块生成初始报告框架，并支持迭代编辑和论文评审。

2. 模型评估与人工审稿对比

研究人员使用GPT-4o、o1-mini和o1-preview三个模型完成15篇论文，并邀请人工审稿人进行评分。结果显示，o1-preview在整体研究帮助上表现最佳，o1-mini的实验质量得分最高，GPT-4o表现最差。人工审稿与自动审稿结果差异显著，自动审稿倾向于高估论文分数。

3. 提升研究效果的技巧

作者在GitHub上分享了提升研究效果的技巧，包括撰写详细的笔记、使用更强大的模型以及利用检查点恢复工作进度等。

4. 团队成员背景

Agent Laboratory的研发团队成员大部分为华人，他们在人工智能领域拥有丰富的经验，来自DeepMind、微软、谷歌、Meta等知名机构。

总而言之，Agent Laboratory通过AI驱动，实现了科研流程的自动化和高效化，显著降低了科研成本，并展示了AI与人类协同的巨大潜力。该系统为未来科学研究提供了新的范例。

联系作者

文章来源：量子位
作者微信：
作者简介：追踪人工智能新趋势，关注科技行业新突破