谷歌近日推出了一款突破性AI系统，旨在帮助科研人员自动编写和优化“专家级”科研软件。该系统结合了大语言模型（LLM）与树搜索算法，能够整合现有知识并生成新的研究思路，显著提升科研效率。
该系统的工作原理分为两个阶段：首先由大语言模型充当“创意引擎”，从论文、教材等资料中提取关键信息并拆解为模块化组件；随后通过树搜索算法对这些组件进行组合优化，每一步都通过准确率、误差率等指标实时评估，动态淘汰低效方案。这种“生成-筛选”的迭代机制，使得系统能在几小时内完成传统需要数周甚至数月的代码开发与调试过程。
在基因组学领域，该系统针对单细胞RNA测序中的批次效应问题，自动生成了40种解决方案。其中表现最优的BBKNN(TS)方法，性能较传统方案提升14%。卫星图像分析团队则利用该系统改造了UNet++和SegFormer模型，新模型对机场跑道的识别交并比达到0.80以上，处理速度提升显著。神经科学研究中，该系统将斑马鱼大脑多步预测模型的训练速度提高了数个数量级。
谷歌表示，该系统已在公共健康、数值分析等多个领域展现出超越人类专家的能力。相关论文《An AI system to help scientists write expert-level empirical software》已公开发表，详细技术细节可通过论文链接（https://www.alphaxiv.org/abs/2509.06503v1）获取。这一突破标志着AI辅助科研进入新阶段，有望改变传统研究范式。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
