从零到 PDF 论文AI-Scientist 全自动 AI 科研实操【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想法到论文通常要几周的重复劳动。AI-Scientist 让大型语言模型Large Language Model, LLM自动完成 AI 科研流水线生成假设、改代码跑实验、绘图、写 LaTeX 并编译成 PDF 论文再附一份 LLM 评审。跟着本文操作你拿到的是一个包含 PDF 论文和评审结果的研究文件夹。先搞清楚它能干什么AI-Scientist 把想法→实验→图表→论文串成一条无人值守流水线产物是带评审报告的 PDF 论文但结论可信度仍需人工把关。输入输出对照输入输出templates/模板/下的experiment.py等基线代码带新颖性检查的研究想法ideas.jsonseed_ideas.json种子想法多组对照实验数据与图表LLM API KeyPDF 论文 LLM 评审review.txt它不做什么不替你做领域判断不保证结论正确也不保证论文能投出去——产出的论文来自 LLM审稿标准由人掌握。预置模板覆盖三类方向nanoGPTTransformer 自回归语言建模2d_diffusion低维数据集上的扩散模型grokking深度网络的泛化与学习速度更多社区模板传染病、图像分类等直接看 templates/ 目录。环境配置一次配好不再碰环境就三件事NVIDIA GPU CUDA、texlive-full、模型 API Key。克隆并初始化git clone https://gitcode.com/GitHub_Trending/ai/AI-Scientist cd AI-Scientist conda create -n ai_scientist python3.11 conda activate ai_scientist pip install -r requirements.txt sudo apt-get install texlive-full # 装 LaTeX⚠️texlive-full安装可能耗时 30 分钟以上过程中可能要按 Enter 继续。配置 Key用哪家配哪家可选 Semantic Scholar Key 加速文献检索没有就启动时加--engine openalexexport OPENAI_API_KEY你的Key # 或 ANTHROPIC_API_KEY / DEEPSEEK_API_KEY轻量路径跑通首个实验nanoGPT_lite是最轻的路径数据集小、依赖少约 10 分钟能人工跑通基线验证环境没问题。准备数据自动下载语料并处理需联网python data/enwik8/prepare.py python data/shakespeare_char/prepare.py python data/text8/prepare.py跑基线并出图约 5 min视 GPUcd templates/nanoGPT_lite python experiment.py --out_dir run_0 python plot.py→ 预期run_0/目录生成训练日志并产出final_info.json与损失曲线图。→ 验证点final_info.json存在即算成功——它是后续所有想法的对照基线。2d_diffusion需额外装 NPEET和grokking需einops流程相同命令见 README.md。启动全自动论文生成一条命令启动全自动流水线想法、实验、写作、评审全交给 LLM你只需等结果目录出现。cd ../.. export OPENAI_API_KEY你的Key python launch_scientist.py --model gpt-4o-2024-05-13 --experiment nanoGPT_lite --num-ideas 2参数含义--model驱动流水线的主模型建议 GPT-4o / Claude Sonnet 3.5 级别--experiment模板目录名须与templates/下文件夹一致--num-ideas生成的想法数默认50首跑建议2控成本流水线内部依次做四件事基于seed_ideas.json生成假设并做文献新颖性检查由 Aider 修改experiment.py/plot.py并运行 5 组对照实验填充latex/template.tex编译 PDFgpt-4o-2024-05-13评审并写入review.txt每一步最可能卡在第 2 步LLM 改不出能跑通的实验代码时该想法直接判失败其余想法继续。产物落在results/experiment/时间戳_想法名/里面有 PDF、review.txt和完整日志log.txt。多卡并行可选多卡机器加--parallel N想法按队列分配到多张 GPU--gpus 0,1可指定卡。拿到论文后评审与迭代评审默认由gpt-4o-2024-05-13完成对任意已有 PDF 也能单独跑最小调用如下from ai_scientist.perform_review import load_paper, perform_review paper_txt load_paper(results/nanoGPT_lite/结果文件夹/想法名.pdf) review perform_review( paper_txt, gpt-4o-2024-05-13, client, num_reflections5, num_fs_examples1, num_reviews_ensemble5, temperature0.1, ) print(review[Overall], review[Decision])评审输出字段字段含义Overall1–10 分总评DecisionAccept/RejectWeaknesses缺点字符串列表 分数高低反映的是 LLM 对评审格式的服从度不等于论文真实质量务必人工复核。换到领域自定义最小骨架自建模板只需 5 个文件就能让流水线跑起来关键在保持文件名和输出 JSON 格式与现有模板一致。templates/your_template/ ├── experiment.py # 核心实验接收 --out_dir ├── plot.py # 从 run_* 目录出图 ├── prompt.json ├── seed_ideas.json └── latex/template.texprompt.jsonsystemLLM 人设task_description模板研究什么、操作哪些文件seed_ideas.json参考想法列表每条含Name/Title/Experiment方案描述以及Interestingness/Feasibility/Novelty三维评分其余细节参考现有模板或直接看社区贡献的seir传染病建模、mobilenetV3图像分类、sketch_rnn手绘生成等目录找灵感。踩坑速查四类高频问题按现象→原因→一行修复处理现象原因一行修复运行报缺文件模板准备步骤没做完回到轻量路径一节按序补齐run_0想法跑完没有 PDF模型能力不足或实验过难换 Claude Sonnet 3.5 / GPT-4o 重跑该想法API 报错 401 / 429Key 无效或超额度检查OPENAI_API_KEY与账户余额预算失控--num-ideas太大首跑降到2或换更便宜的模型单篇通常 $15⚠️ 流水线会执行 LLM 生成的代码建议用 experimental/Dockerfile 做容器化隔离。从想法到 PDF 的数周流程现在由一条命令接管。下一步挑离你方向最近的模板把seed_ideas.json换成你自己的 3 个想法跑--num-ideas 3。【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
