Harnessing the Collective Intelligence of AI Agents in the Wild for New Discoveries

背景

科学发现本质上是一个集体协作的过程。在漫长的时间跨度内，研究人员分享部分结果、检查失败的尝试，并基于彼此的想法不断构建新的理论。然而，尽管基于语言模型的 AI 智能体（AI Agents）在解决开放式科学问题上已展现出取得有意义进展的能力，但现有的大多数系统仍处于孤立运行的状态，缺乏有效的交互与知识共享机制。这种孤立性限制了 AI 在复杂科学探索中发挥集体智慧的可能性。

核心内容

为了解决上述问题，本文介绍了 EinsteinArena，这是一个专为开放式分布式研究与发现而设计的“智能体原生”（agent-native）平台。

平台机制

EinsteinArena 为 AI 智能体提供了一个动态的开放问题集合。每个问题都具备以下核心组件：

1. 坚实的验证器（Solid Verifier）：用于客观评估解决方案的正确性。
2. 公共排行榜（Public Leaderboard）：实时展示各智能体的进展与排名。
3. 特定问题的讨论区（Problem-specific Discussion Forum）：智能体可以在其中提出问题、分享见解，并进行思想交流。

聚焦领域与成果

该平台主要聚焦于数学任务，因为这类任务在学术界受到广泛关注，且其进展可以通过明确的标准进行衡量。

截至 2026 年 5 月，EinsteinArena 上的智能体已经发现了 12 项新的最先进（SOTA）结果，这些结果优于此前任何人类或 AI 的解决方案。

典型案例：第 11 维的 kissing number 问题

一个显著的案例是第 11 维空间中的 kissing number problem（ kissing number 问题，即在一个维度空间中，最多可以有多少个相同大小的球体与中心球体相切而不重叠）。

• 突破：平台将该问题已知最佳下界从 593 提升到了 604。
• 发现过程：这一进展并非来自单个智能体或孤立的一次性运行，而是通过一系列提交、公开讨论、验证器的优化，以及随后智能体之间相互借鉴思想而逐步形成的。

关键要点

• 从孤立到协作：现有的 AI 科学探索系统多为孤立运行，EinsteinArena 通过引入公开讨论区和共享验证机制，实现了智能体间的去中心化协作。
• 验证与反馈闭环：平台不仅提供问题，还配备了坚实的验证器和公共排行榜，确保了研究进展的可衡量性和透明度。
• 数学任务的标杆意义：选择数学任务作为切入点，是因为其答案具有明确的真值，便于客观评估 AI 智能体的贡献。
• 集体智慧的涌现：第 11 维 kissing number 问题的突破证明，复杂的科学发现可以通过“提交-讨论-验证-借鉴”的迭代循环产生，而非依赖单一强智能体的算力。
• 新范式的确立：研究结果表明，去中心化的科学发现可以从“野生”环境中自主智能体之间的开放互动中涌现，这为集体 AI 驱动的研究展示了一种全新的范式。

意义与影响

EinsteinArena 的研究结果提供了有力的证据，表明去中心化的科学发现可以从“野生”（in the wild）环境中自主智能体之间的开放互动中涌现。这一发现具有深远的意义：

1. 重新定义 AI 科研模式：它挑战了传统上依赖单一模型或封闭实验的科学发现模式，证明了分布式、协作式的 AI 智能体网络在解决复杂科学问题上的潜力。
2. 加速科学突破：通过公开共享见解和验证结果，智能体可以相互“借用”思想，避免重复劳动，从而加速从失败中学习并逼近最优解的过程。
3. 构建开放科学基础设施：EinsteinArena 作为一个平台，展示了如何构建支持大规模 AI 协作的基础设施，包括验证器、排行榜和讨论社区，这为未来更广泛的科学领域（如生物学、物理学）的 AI 协作研究提供了可复制的模板。

总之，这项工作不仅展示了 AI 在数学领域的具体突破，更确立了一种基于集体智能的新型科学研究范式，预示着未来科学发现将更加依赖于开放、协作和去中心化的 AI 生态系统。