科研活動具有高門檻和高試錯成本特點，在現(xiàn)有學術(shù)體系中，大量“失敗”結(jié)果往往未被公開記錄，無法被不同研究者反復探索?；诖笳Z言模型的自動化研究系統(tǒng)則有望緩解這一難題。

由復旦大學MOSS團隊核心成員創(chuàng)辦于去年3月的AI初創(chuàng)公司上海日行跡智能科技有限公司2月12日發(fā)布多智能體系統(tǒng)FARS（Fully Automated Research System），該系統(tǒng)可全自動完成文獻調(diào)研、假設(shè)生成、代碼編寫、實驗執(zhí)行、論文撰寫等科研全流程，有望讓科學發(fā)現(xiàn)更高效、可擴展，降低科研成本。

FARS的設(shè)計基于研究系統(tǒng)的第一性原理，即高效可靠地拓展知識邊界。在一個理想的研究系統(tǒng)中，輸出的每一項研究成果都應具備清晰的假設(shè)以及對假設(shè)的可靠驗證結(jié)果。如果假設(shè)本身合理，那么驗證結(jié)果無論正向或負向都構(gòu)成有意義的知識并應當被報告。因此，F(xiàn)ARS的輸出結(jié)果呈“短論文”形式，每篇論文聚焦一個邊界清晰的研究貢獻，系統(tǒng)鼓勵報告失敗結(jié)果且不必遵循篇幅或結(jié)構(gòu)限制。

據(jù)日行跡介紹，F(xiàn)ARS由Ideation、Planning、Experiment、Writing四個智能體模塊構(gòu)成。其中Ideation智能體根據(jù)預設(shè)研究方向不間斷地自動開展文獻調(diào)研和假設(shè)生成，每個假設(shè)在被生成且通過自動化評估后交由后續(xù)智能體依次處理，最終生成一篇完整的學術(shù)論文。這些智能體在一個共享文件系統(tǒng)中分工協(xié)作，文件系統(tǒng)同時承擔了工作空間和持久記憶功能。

為了讓FARS能夠高效開展大批量實驗，研究團隊將一個包含160卡的GPU集群包裝成訓練和推理工具供智能體調(diào)用，讓系統(tǒng)高效調(diào)度和管理計算資源。為了讓FARS能夠順利合成數(shù)據(jù)、設(shè)計智能體等，F(xiàn)ARS接入了統(tǒng)一調(diào)用端口，可調(diào)用各類閉源和開源模型。為驗證FARS工作過程，日行跡公開了FARS首次部署，預計直播一個月時間，生產(chǎn)100篇學術(shù)論文，達成目標后停止運行。日行跡表示，希望通過這種方式收集研究者、審稿人、工程師的反饋。

日行跡是由復旦大學對話式大型語言模型MOSS團隊核心成員發(fā)起的人工智能基礎(chǔ)技術(shù)公司，創(chuàng)始人孫天祥為復旦大學計算機博士，師從復旦大學教授黃萱菁與邱錫鵬，也是MOSS的主要研發(fā)者。孫天祥長期研究機器學習、自然語言處理與大模型體系，為顛覆科學發(fā)現(xiàn)方式，讓科學發(fā)現(xiàn)從手工作坊轉(zhuǎn)變?yōu)榭梢?guī)?；墓I(yè)生產(chǎn)，2025年創(chuàng)辦日行跡。該公司目前已獲得高榕資本、奇績創(chuàng)壇等多家機構(gòu)投資，天使輪融資數(shù)千萬美元。