Agent Laboratory：利用大语言模型 (LLM) 代理作为研究助手

论文地址：https://arxiv.org/pdf/2501.04227

1. 背景与动机

科学研究通常是一个漫长且昂贵的过程，从最初的想法到最终成果需要耗费大量时间和资源。为了加速科学发现、降低研究成本并提高研究质量，本文提出了 Agent Laboratory，一个基于 LLM 的自主框架，能够完成从文献综述到实验再到报告撰写的整个研究流程。

2. Agent Laboratory 的工作流程

Agent Laboratory 的工作流程分为三个主要阶段：

2.1 文献综述阶段

• 目标： 收集并整理与给定研究主题相关的文献，为后续阶段提供参考。
• 主要代理： 博士生代理 (PhD Agent)
  • 操作：
    • 使用 arXiv API 检索相关论文。
    • 执行三种主要操作：
      • 摘要 (SUMMARY)： 获取与初始查询相关的 20 篇论文的摘要。
      • 全文 (FULL_TEXT)： 提取特定论文的完整内容。
      • 添加论文 (ADD_PAPER)： 将选定的摘要或全文添加到整理好的综述中。
  • 特点：
    • 该过程是迭代的，代理会进行多次查询，根据内容评估每篇论文的相关性，并不断优化选择以构建全面的综述。
    • 一旦通过 ADD_PAPER 命令达到指定数量的相关文本 (N=max)，则最终确定综述以供后续阶段使用。

2.2 实验阶段

• 目标࿱