AI-Scientist 自动科研实战：LLM 自主研究 4 步闭环部署教程

AI-Scientist 自动科研实战LLM 自主研究 4 步闭环部署教程【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-ScientistAI-Scientist 让大语言模型自主走完提出假设 → 设计实验 → 分析结果 → 撰写论文的科研闭环。这份 AI-Scientist 安装与部署教程面向新手和一般开发者先列环境清单再给最短跑通路径最后附排错 QA。动手前的环境清单跑通这个项目前先把硬件和软件对一遍号。任何一项缺失都会卡在实验或论文编译环节。项目要求用途操作系统Linux官方支持环境GPUNVIDIA建议 ≥16GB 显存实验训练的 CUDA 加速Python3.11运行脚本Conda最新版隔离虚拟环境避免依赖冲突CUDA Toolkit11.7PyTorch GPU 支持Git已装拉取仓库与子依赖TeX Livetexlive-full自动编译 LaTeX 论文 PDF警告实验过程中 LLM 会修改并执行它自己生成的 Python 代码存在安全风险。官方建议用容器化部署并限制网络访问。3 步跑通AI-Scientist 安装到首次运行1. 克隆仓库下面的命令把仓库拉取到本地AI-Scientist 安装的第一步git clone https://gitcode.com/GitHub_Trending/ai/AI-Scientist cd AI-Scientist2. 建独立 Conda 环境用 Conda 隔离 Python 环境防止系统包互相污染conda create -n ai_scientist python3.11 conda activate ai_scientist3. 装系统包与 Python 依赖先装 LaTeX 编译链再装 Python 依赖内容见 requirements.txt含 torch、openai、aider-chat 等sudo apt-get install texlive-full pip install -r requirements.txt配一个 API 密钥直接首次运行只配 OpenAI 一家就能跑通最小路径export OPENAI_API_KEY你的API密钥 python launch_scientist.py --model gpt-4o-2024-05-13 --experiment nanoGPT_lite --num-ideas 2到这里AI-Scientist 就会开始生成想法、跑实验并写论文。选模板NanoGPT、2D Diffusion 与 Grokking 怎么挑启动实验前先选一个研究方向模板。templates/目录下预置了多个模板新手建议从nanoGPT_lite起步——它就是上面首次运行用的那个计算量最小。模板研究方向数据集 / 任务额外依赖显存压力nanoGPT / nanoGPT_lite语言建模Transformer 自回归enwik8、shakespeare_char、text8无低2d_diffusion生成模型低维扩散2D 散点分布NPEET scikit-learn中grokking泛化与学习动力学记忆→理解的转变模运算分类任务einops中各模板的基线准备每个模板都要求先跑一次基线run_0AI 之后的所有改进都以它为参照。NanoGPT先做数据准备再跑基线python data/enwik8/prepare.py python data/shakespeare_char/prepare.py python data/text8/prepare.py cd templates/nanoGPT python experiment.py --out_dir run_0 python plot.py2D Diffusion除数据外还要装概率估计依赖 NPEETgit clone https://github.com/gregversteeg/NPEET.git cd NPEET pip install . pip install scikit-learn装完回到仓库根目录基线运行命令与 NanoGPT 相同把templates/nanoGPT换成templates/2d_diffusion。Grokking额外只需一个轻量依赖pip install einops基线同样是cd templates/grokking后执行python experiment.py --out_dir run_0和python plot.py。进阶配置模型选择与文献检索换用 Claude 或 DeepSeek模型支持源码 中的AVAILABLE_LLMS列出了全部可选模型。按你持有的密钥导出对应环境变量即可启动时通过--model指定# Anthropic export ANTHROPIC_API_KEY你的API密钥 python launch_scientist.py --model claude-3-5-sonnet-20241022 --experiment nanoGPT_lite --num-ideas 2 # DeepSeek国内访问更友好 export DEEPSEEK_API_KEY你的DeepSeek API密钥 python launch_scientist.py --model deepseek-chat --experiment grokking --num-ideas 2文献检索Semantic Scholar 与 OpenAlex 二选一想法生成阶段会用学术 API 做新颖性检查二选一配置# 方案一Semantic Scholar export S2_API_KEY你的Semantic Scholar API密钥 # 方案二OpenAlex需先装 pyalex pip install pyalex export OPENALEX_MAIL_ADDRESS你的邮箱地址启动参数速查核心入口是 启动脚本常用参数如下参数说明--model参与科研流程的 LLM 模型名--experiment模板名如nanoGPT_lite、2d_diffusion、grokking--num-ideas生成多少个研究想法默认 50--parallel并行进程数0 为串行多卡时按 GPU 数设置可用--gpus 0,1指定卡号多 GPU 机器上的并行示例python launch_scientist.py --model gpt-4o-2024-05-13 --experiment 2d_diffusion --num-ideas 5 --parallel 2跑完之后怎么看结果论文、审稿与批量分析结果落在哪里每个想法会生成results/模板/时间戳_想法名/目录里面有编译好的 PDF 论文、review.txt审稿意见、log.txt运行日志和各阶段图表。仓库的example_papers/目录保留了多篇完整样例可以直接翻一遍建立预期。用 LLM 给论文打分perform_review会以审稿人视角给总分、决定项Decision和逐条 Weaknesses。下面的最小示例对单篇论文跑一遍评审import openai from ai_scientist.perform_review import load_paper, perform_review client openai.OpenAI() paper_txt load_paper(report.pdf) review perform_review( paper_txt, gpt-4o-2024-05-13, client, num_reflections5, num_fs_examples1, num_reviews_ensemble5, temperature0.1, ) print(f总体评分: {review[Overall]}) print(f决定: {review[Decision]}) for w in review[Weaknesses]: print(f- {w})批量分析一批实验大批量结果用批处理脚本统一评审cd review_iclr_bench python iclr_analysis.py --num_reviews 500 --batch_size 100 --num_fs_examples 1 --num_reflections 5 --temperature 0.1 --num_reviews_ensemble 5部署与排错QAQ想在服务器上标准化部署怎么上 Docker用社区贡献的 Dockerfile 构建镜像并挂载模板目录docker build -t ai-scientist -f experimental/Dockerfile . docker run -e OPENAI_API_KEY$OPENAI_API_KEY -v $(pwd)/templates:/app/AI-Scientist/templates ai-scientist \ --model gpt-4o-2024-05-13 \ --experiment 2d_diffusion \ --num-ideas 2Qpip 报依赖冲突怎么办最省事的做法是丢弃当前环境重建然后重装requirements.txt命令见前文建独立 Conda 环境一节。QLLM API 访问受限或被限速换用可直连的模型例如deepseek-chat或检查网络代理设置。Q显存不够或跑得慢把--experiment换成nanoGPT_lite--num-ideas降到 1必要时换更小的模型如gpt-4o-mini-2024-07-18。Qsudo apt-get install texlive-full一直停在某个进度安装过程会要求保持 Enter 键按下才能继续属于正常现象耐心等待即可。QLLM 生成的实验代码能直接在本机跑吗不建议。容器化部署并限制容器网络访问是当前最稳妥的做法。更多细节见 官方文档跑通后也欢迎把自定义模板贡献给社区。【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