摘要： 本文介绍了一种名为Kosmos的AI科学家，用于自动化数据驱动的科学发现。Kosmos能够执行并行数据分析、文献搜索和假设生成等任务，并能够将发现整合成科学报告。与现有系统不同，Kosmos使用结构化世界模型在数据分析代理和文献搜索代理之间共享信息，从而在200个代理轮次中连贯地追求指定目标。Kosmos在每次运行中平均执行42,000行代码并阅读1,500篇论文，其报告中的所有陈述都引用了代码或原始文献，确保其推理可追溯。独立科学家发现Kosmos报告中79.4%的陈述是准确的，合作者报告称单个20周期的Kosmos运行相当于他们平均6个月的研究时间。此外，合作者报告称有价值科学发现的数量与Kosmos周期数呈线性关系（测试到20周期）。文章还突出了Kosmos在代谢组学、材料科学、神经科学和统计遗传学等领域做出的七项发现。其中三项独立复制了未在运行时被Kosmos访问的预印本或未发表的手稿中的发现，而另外四项对科学文献做出了新的贡献。
讨论： 文章讨论了关于Kosmos系统在数据分析方面的发现。isuguitar121指出，Kosmos的发现大多是基于特定数据集得出的结论，而非完全自主的发现。andy99提出了对世界模型和规则有效性的担忧，认为人类指定的规则可能无法与机器学习中的学习关系相媲美。adt提到了四个新颖的发现。leptons则询问了系统可以发现多少误差范围。
原文标题：Kosmos: An AI Scientist for Autonomous Discovery
原文链接：https://arxiv.org/abs/2511.02824
讨论链接：https://news.ycombinator.com/item?id=45823358