FARS

FARS是什么？

FARS (Fully Automated Research System，全自动研究系统) 是一款由上海日行迹智能科技有限公司（Analemma）开发的端到端AI研究系统。

它面向人工智能研究领域，通过构建一个由多个智能体协作的自动化流水线，旨在全流程、无人干预地完成从文献调研、假设生成、实验执行到论文撰写的完整科研工作。其核心价值在于突破传统人力科研在效率、规模和思维定式上的限制，让科学发现过程变得更高效、可扩展且成本可控，是AI for AI（AI4AI）研究范式下的一个重要里程碑。

FARS的主要功能：

1. 全流程自动化研究：系统能够自主完成“输入研究方向-输出完整论文”的闭环。它无需人工介入，即可连续进行文献综述、提出可验证的假设、编写代码并运行实验、分析结果，最终生成结构化的学术短论文。
2. 多智能体协同架构：系统由四个核心智能体模块组成：Ideation（构思）负责文献调研与假设生成；Planning（规划）设计实验方案；Experiment（实验）执行代码训练与推理；Writing（写作）整合结果并撰写论文。它们通过共享文件系统协同工作，实现任务的无缝衔接与并行推进。
3. 大规模计算资源调度：FARS背后封装了一个包含160块NVIDIA GPU的集群作为其“实验室”。实验智能体可以高效调度和管理这些计算资源，以支持大批量、并行的模型训练与评估任务。
4. 鼓励报告负结果：与传统学术出版不同，FARS的设计哲学基于“拓展知识边界”的第一性原理。只要假设合理，无论实验结果是成功还是失败，都会被系统记录并形成报告，这有助于减少科研中的重复试错。

FARS：AI 自进化的科研系统

根据其公开的首次部署信息，FARS的使用流程高度自动化，研究人员主要进行初始配置与结果监督：

1. 设定研究方向：研究人员为系统提供一个或多个初始研究方向的文档（例如“可验证奖励的强化学习”）。
2. 系统自主运行：启动FARS后，构思智能体开始基于开放论文和代码库进行文献调研，生成研究假设队列。
3. 全自动流水线作业：每个通过初步评估的假设，会依次自动进入规划、实验和写作阶段。系统在共享工作空间中管理所有中间文件和最终论文。
4. 成果审核与发布：在论文被提交至公台（如GitLab、arXiv）前，会经过研发团队的人工审核，确保内容质量与合规性，并明确标注为AI生成。

FARS的使用场景：

1. 前沿探索与假设挖掘：适用于AI领域内需要快速扫描大量文献、生成新颖研究想法并进行初步验证的场景，帮助人类研究者发现潜在的新研究方向。
2. 大规模实验与基准测试：当需要对某个算法、架构或理论进行大规模、系统性的消融实验和性能对比时，FARS可以7×24小时不间断地执行标准化实验流程，生成可靠数据。
3. 科研教育与范式演示：作为AI4AI的典型案例，FARS的实时运行界面和产出过程本身，就是研究自动化、科研范式变革的生动教材和演示平台。

FARS的常见问题解答：

FARS生成的论文质量如何？能达到学术发表标准吗？

根据其首次公开运行的结果，FARS在约10天内产出了100篇短论文。团队采用类似顶级会议（如ICLR）的审稿标准，通过AI审稿系统进行评估，报告显示其产出论文的平均质量分数超过了该会议投稿论文的平均水平。但论文的最终价值仍需人类专家在具体领域内进行深度评判。所有提交至arXiv的论文均经过人工审核并标注为AI生成。

FARS现在可以用于其他学科（如生物、物理）的研究吗？

目前FARS主要应用于人工智能，特别是大语言模型相关的研究，这属于AI4AI的范畴。这主要是受限于其当前实验工具链（如GPU集群、模型API）和训练数据。将其范式迁移到其他自然科学领域在理论上可行，但需要针对该领域的专业知识、实验设备和数据接口进行深度定制和扩展。

FARS的运行消耗有多大？

根据公开报道，在首次持续228小时的公开运行中，FARS共消耗了约1140亿个Token（用于驱动大语言模型），并调动了160块GPU集群进行计算。这显示了全自动科研系统对算力资源的巨大需求，其运行成本目前是相当高的。

FARS官网与相关资源

FARS项目直播：https://analemma.ai/fars/

FARS项目官网介绍页：https://analemma.ai/blog/introducing-fars

FARS公开运行GitLab仓库（用于提交论文与查看过程）：https://gitlab.com/fars-a

开发公司官网：上海日行迹智能科技有限公司 (Analemma)：https://analemma.ai/