EvoSci：面向科学发现演化的仿生多智能体框架

大语言模型（LLM）已在科学发现中展现出强大潜力，但现有方法在研究工作流与多角色协作机制的设计上仍面临重大挑战。为缓解这些问题，我们提出EvoSci，一个将仿生演化与知识图谱建模相结合的多智能体科学协作框架。为迭代式地生成、评估与改进研究想法，EvoSci引入了多个基于角色的智能体，包括导师、研究员与评审。通过结合协作推理、共享记忆与演化反馈，EvoSci显著增强了科学探索的连贯性与创造力。在真实研究课题上的实验表明，EvoSci在基于LLM的结构化同行评审与比较排序评估中显著优于强基线，取得最高的整体同行评审分数（ICLR 4.90）与最佳排名（Top-10 = 54）。这些结果表明其在科学想法生成与持续发现两方面均具优势。