AI-Scientist AI 科研助手快速部署教程：3 步从零跑通自动生成论文

AI-Scientist AI 科研助手快速部署教程3 步从零跑通自动生成论文【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-ScientistAI-Scientist 是一个开源 AI 科研助手让大模型独立完成“提想法 → 做实验 → 写论文 → 同行评审”的完整闭环。本文给出最快环境配置、两条官方运行路径和一组避坑表帮你在自己的 GPU 上快速跑出第一篇论文 PDF。项目定位把科研全流程串起来的自动系统AI-Scientist 把想法生成、代码实验、LaTeX 论文撰写、LLM 同行评审四个环节接到同一个入口 launch_scientist.py 上。给它一个模板和若干种子想法它自己改代码、跑训练、画图表再把结果编译成会议格式的论文。仓库内置三个官方模板语言模型方向nanoGPT、生成模型方向2d_diffusion、Grokking 现象研究grokking。example_papers/ 下的 10 篇完整论文PDF、实验代码、中间结果全部由系统自动生成可直接翻阅。从零跑通环境配置与两条路径最快路径Conda LaTeX运行环境要求 Linux NVIDIA GPUCUDA/PyTorch、Python 3.11 和 pdflatexgit 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注意texlive-full安装耗时较长在预生成上下文阶段可能卡住不动按住 Enter 一段时间会继续。进阶路径Docker 隔离运行系统会执行 LLM 写出的代码README 明确建议容器化并限制网络访问docker build -t ai-scientist -f experimental/Dockerfile . docker run -e OPENAI_API_KEY$OPENAI_API_KEY ai-scientist该镜像为社区贡献版本定义见 experimental/Dockerfile。先跑通一次实验配置好 API 密钥后先准备数据并跑基线再启动主流程python data/enwik8/prepare.py cd templates/nanoGPT_lite python experiment.py --out_dir run_0 python plot.pypython launch_scientist.py --model gpt-4o-2024-05-13 \ --experiment nanoGPT_lite --num-ideas 2结果写入results/nanoGPT_lite/每个想法对应一个带时间戳的独立目录内含实验代码、日志、图表和 PDF。核心功能实测AI 科研循环的三个关键环节想法生成与实验执行全自动化想法阶段generate_ideas先依据模板里的seed_ideas.json做 few-shot 采样再通过 Semantic Scholar API 对文献做新颖性检查只有通过检查的想法才会进入实验。实验阶段由 LLM 借助 aider 直接编辑experiment.py和plot.py逐轮输出run_1run_N目录并把指标写入final_info.json供后续论文引用。下图是系统在 grokking 方向实验中自动生成的论文插图各数据变体达到 99% 训练精度所需步数来自 example_papers/data_augmentation_grokking/论文写作与 LLM 同行评审实验成功后perform_writeup按 LaTeX 模板填充数据与图表并调用pdflatex编译随后perform_review用 5 个 GPT-4o 评审做集成打分输出 1–10 总分、Accept/Reject 结论与弱点清单存入review.txt。再加--improvement参数系统会根据评审意见修改论文、重新编译出_improved.pdf并再次送审。下图是 2D Diffusion 实验中由系统自动绘制的训练损失曲线展示“实验输出 → 论文配图”的完整链路三个官方模板与社区扩展机制每个模板目录结构固定experiment.py实验入口必须接收--out_dir、plot.py绘图、prompt.json领域说明、seed_ideas.json种子想法、latex/template.tex论文模板。新建模板只需照抄这套结构保证文件名与输出 JSON 格式对齐即可。除官方三个模板外templates/ 还有 seir、mobilenetV3、sketch_rnn、MACE、earthquake-prediction、tensorf 等社区贡献方向。下图为 2d_diffusion 模板实验中训练 10000 步后的生成样本点云进阶调优模型选择与关键参数LLM 选择完整模型清单见 ai_scientist/llm.py 中的AVAILABLE_LLMS涵盖 Claude 3.5 Sonnet、GPT-4o/o1 系列、Llama3.1-405bOpenRouter及 Bedrock 渠道。官方 FAQ 给出的经验生成成功率最高的是 Claude Sonnet 3.5评审环节用 GPT-4o 最稳其他模型存在积极偏差或输出不合规问题追求低成本可用 DeepSeek Coder V2Claude 方案平均每个想法成本低于 15 美元。对应的环境变量export OPENAI_API_KEY... # 或 ANTHROPIC_API_KEY # 或 DEEPSEEK_API_KEY / GEMINI_API_KEY / OPENROUTER_API_KEY多卡并行与 GPU 指定多卡环境下用--parallel把想法分配到多张卡worker 通过CUDA_VISIBLE_DEVICES固定显卡--gpus 0,1可指定使用哪些卡python launch_scientist.py --model gpt-4o-2024-05-13 \ --experiment nanoGPT_lite --num-ideas 4 --parallel 2 --gpus 0,1文献检索引擎切换没有 Semantic Scholar key 时可切到免 key 的 OpenAlex 引擎pip install pyalex并设置OPENALEX_MAIL_ADDRESS环境变量启动时加--engine openalex或用--skip-novelty-check直接跳过新颖性检查阶段。避坑速查常见卡点与解法卡点典型表现解法缺run_0基线报final_info.json缺失、流程直接失败先跑数据prepare.py再在本机执行模板的experiment.py --out_dir run_0基线PDF 或评审没生成想法目录只有代码没有论文成功率取决于模型与想法复杂度换 Claude Sonnet 3.5评审固定用 GPT-4otexlive 安装卡死context-markiv 阶段长时间无输出按住 Enter 等待属于正常现象Semantic Scholar 访问异常新颖性检查或引用收集失败改用--engine openalex或加--skip-novelty-check跳过执行风险LLM 代码可能装包、联网、起进程用 Docker 容器运行并限制网络不要在与他人共享的主机上裸跑延伸资源代码入口与下一步主入口 launch_scientist.py想法、实验、评审、写作四个阶段分别拆在 ai_scientist/ 的generate_ideas.py、perform_experiments.py、perform_review.py、perform_writeup.py10 篇全自动论文案例在 example_papers/每篇含 PDF、实验代码与中间结果适合先读再上手评审模块可独立复用ai_scientist/perform_review.py 的perform_review可批量审已有 PDFreview_iclr_bench/ 下附有现成批处理脚本建议的下一步选一个模板把基线run_0跑通再用--num-ideas 2让系统完整走一遍想法生成到出 PDF 的流程。【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