Проблема фрагментации в науке
Современные научные исследования генерируют гетерогенные артефакты: статьи, код, датасеты, научные форматы файлов, выводы моделей, графики и командные решения. Однако существующие ИИ-ассистенты редко сохраняют эти объекты как согласованное, проверяемое состояние исследования. SciForge решает эту проблему, предлагая AI-native рабочую среду, где графический интерфейс зарезервирован для человеческого суждения, а рутинные задачи — поиск, парсинг, маршрутизация моделей, выполнение рабочих процессов, построение графиков и генерация презентаций — выполняются модульными ИИ-агентами.
Архитектура и 5 ключевых принципов
Система построена на пяти столпах, обеспечивающих надежность и эффективность:
- Целевое управление решениями: фокус на goal-oriented исследованиях с контрольными точками (review gates) и общими поверхностями для рецензирования.
- Translate-then-reason: мультимодальный ввод. Научные объекты сначала проходят через доменные переводчики, и только затем ИИ-агент приступает к логическому выводу.
- Управление доказательствами: полная аудируемость. Каждое утверждение связывается с цепочкой происхождения (provenance chains) и результатами аудита.
- Коллаборативная наука: поддержка многопользовательского управления решениями (командные пространства запланированы в будущих релизах).
- Практическое применение: демонстрация на реальных сценариях.
Технический стек
SciForge объединяет тонкий слой взаимодействия, контекстные шаблоны исследовательских возможностей, Agent Runtime and Workflow Engine (движок выполнения агентов и рабочих процессов), Evidence-DAG audit sidecar (система аудита на основе направленного ациклического графа) и Scientific Model Router (маршрутизатор научных моделей). Приложение работает на десктопе с поддержкой мобильного контроля.
Результаты: 8 кейсов и флагманские демонстрации
Авторы продемонстрировали 8 сквозных пользовательских сценариев. Среди ключевых достижений — многодневные спринты агентов по открытию генов, ИИ-направленный дизайн de novo белков, оптимизация молекул и обнаружение биосинтетических генных кластеров (BGC) на основе генома. Система открыта для сообщества.
| Компонент SciForge | Функция | Значение для науки |
|---|---|---|
| Agent Runtime & Workflow Engine | Выполнение задач агентами | Автоматизация сложных многошаговых процессов |
| Evidence-DAG audit sidecar | Аудит и трассировка | Гарантия воспроизводимости и проверяемости выводов |
| Scientific Model Router | Маршрутизация моделей | Оптимальный выбор ИИ-инструментов под задачу |
| Translate-then-reason | Предобработка данных | Повышение точности рассуждений за счет контекста |
Код и доступ к системе доступны по ссылке в оригинальной публикации arXiv:2607.16038.
Источник: arXiv cs.AI ↗