文章核心观点 - 新闻核心阐述了Younet.ai公司认为，AI先驱Andrej Karpathy最近发布的开源工具AutoResearch，为其正在与Kala Bio合作开发的智能体研究平台Researgency.ai提供了有力的外部验证[1] AutoResearch展示了通过智能体实现自主、连续迭代，从而极大提升研究速度的潜力，Younet.ai旨在将这一“通宵研究循环”模式应用于生物技术研发领域，以改变生命科学的规划与决策流程[2][3][4] 关于AutoResearch及其行业意义 - AutoResearch是一个开源工具，能让AI智能体在单个GPU上，一夜之间自主进行超过100次机器学习实验，展示了通过持续智能体迭代实现研究速度的阶跃式变化[2] - 该工具被描述为一个紧凑的框架，其目标是无需持续人工干预即可“无限期”地加速研究进展，这被公司视为与研发和知识工作中正在兴起的智能体未来趋势相一致[4][12] - AutoResearch框架使智能体能够自主修改代码、运行实验并评估结果，以大约每小时12次实验的速度持续迭代，并能自我评估、保留改进、丢弃失败，在单个GPU上高效运行，降低了高频实验的门槛[17] - 一个公开案例显示，Shopify CEO报告使用AutoResearch一夜后，验证分数提升了19%，一个由智能体优化的小模型表现优于更大的手动调优模型，这突显了自主迭代的潜在影响力[9] 关于Researgency.ai平台及其合作 - Researgency.ai是Younet.ai与Kala Bio正在合作开发的一个智能体AI平台，旨在将自主研究循环引入生物技术研发规划领域[5][13] - 该平台的目标是将“一夜100次实验”转化为“一夜100个研究场景”，使智能体能够围绕研究目标自主规划、模拟和优化研究场景[5] - 平台旨在帮助生命科学团队从手动、顺序的规划周期，转向更高频率的并行场景探索，从而压缩时间线并在执行前考虑更多可行方案[11] - 该平台利用了Younet.ai在私有大语言模型基础设施和检索增强生成技术方面的能力[13] 智能体研究循环在生命科学中的应用模式 - 该循环始于人类输入，团队定义目标、约束和评估标准[6] - 随后进入AI执行阶段，智能体生成方案参数、模拟不同中心和入组配置下的场景、在不同假设下建模统计功效并评估路径一致性，持续迭代并保留最有希望的配置[7] - 最后是早晨的人类战略审查阶段，团队审查优先排序的输出结果，比较优化后的配置，并基于结构化的场景结果而非纯粹的顺序手动迭代来做出决策[8] 公司战略与行业影响 - Younet.ai认为，AutoResearch的案例是早期指标，表明智能体方法在应用于复杂优化问题时能够带来复合式改进，Researgency.ai的目标是与Kala Bio合作，将这种效应转化到生命科学的规划与执行环境中[10] - 公司CEO指出，核心转变是从受限于人类速度的迭代，转向全天候的自主探索，Researgency.ai的构建旨在帮助团队更快地评估更多选项，从而让最佳战略更早脱颖而出[12] - Younet.ai是一家总部位于多伦多的AI技术公司，专注于企业级私有大语言模型解决方案，其平台托管了数千个定制AI智能体，并具备先进的检索增强生成能力[14] - 合作方Kala Bio是一家生物制药公司，致力于探索药物开发和生命科学研究的创新方法[15]