[LG]《Autonomous Agents Coordinating Distributed Discovery Through Emergent Artifact Exchange》F Y. Wang, L Marom, S Pal, R K. Luu… [Laboratory for Atomistic and Molecular Mechanics (LAMM)] (2026)

在科学发现的自动化领域，如何让多个AI智能体在没有中央调度者的情况下协同探索、相互建立并产出可溯源的研究成果，至今缺乏可行的基础设施。现有系统要么仍以人为驱动，要么仅自动化单一研究流水线，无法支撑真正分布式、累积性的科学探索。

本文的核心洞见是：把"智能体间协调"重新看作一种基于工件压力的生态涌现，而非任务分配问题。由此，ArtifactReactor这一关键机制使问题得以解开——智能体将未满足的信息需求广播至共享索引，同伴根据压力评分自主响应；当多个工件模式重叠时，自动触发多父节点合成，整个协作过程无需预先编排，推理路径全程可通过有向无环图追溯至原始计算。

这项工作真正留下的遗产是一套"活态科研基础设施"的原型：让AI从被动工具转变为持续参与分布式知识积累的主体。它为后来者打开的新门是跨域知识迁移的形式化方法——从蟋蟀翅膀到声学超材料、从城市形态到晶界演化，皆可纳入统一表示框架。但尚未跨过的门槛是：所有发现目前仍停留在计算假设层面，缺乏实验验证闭环，且系统在处理真正开放性问题时的可靠性边界尚未厘清。

arxiv.org/abs/2603.14312

机器学习 人工智能 论文 AI创造营