1、论文概况。
（1）标题。
Autonomous biomedical research with an artificial intelligence agent
利用人工智能智能体实现自主生物医学研究
（2）主要内容。
Biomni是一个通用的、自主的AI研究助手，它能够像人类专家一样，独立完成从文献调研、数据分析、实验设计到湿实验方案生成的一系列复杂生物医学研究任务，并且速度远超人类。
这项研究的核心突破在于，它证明了AI智能体（而非单一模型）可以通过统一的环境和推理框架，跨领域、跨任务地自动化执行端到端的科研工作流，而无需为每个新任务重新编程或训练。
（3）Science。
2026年7月9日。
DOI: 10.1126/science.adz4351
（4）核心作者。
黄柯鑫 (Kexin Huang)：论文共同第一作者兼通讯作者。斯坦福大学计算机科学博士，师从Jure Leskovec教授。本科在 NYU，硕士在 Harvard。研究重点是开发用于生物医学和疗法发现的可部署AI系统。他也是将Biomni技术推向市场的Phylo Inc.的联合创始人兼CEO。
2、Biomni如何实现“通用智能”？（核心架构）
（1）统一的“行动空间” (Unified Action Space)：
它使用一个“动作发现智能体”，从2500多篇最新的生物医学论文中，自动挖掘并整合了105个软件包、150个专业工具和59个数据库，涵盖遗传学、基因组学、药理学、合成生物学等25个领域。
这相当于为Biomni建立了一个庞大的“科研工具箱”和“知识库”。
（2）检索增强的规划 (Retrieval-Augmented Planning)：
面对一个用户提问，Biomni不会盲目使用所有工具。它会首先动态检索与当前问题最相关的一小部分工具和数据库，以提高效率和准确性。
（3）用代码作为通用接口 (Code as Universal Interface)：
这是其灵活性的关键。Biomni不局限于调用预设的函数，而是自主编写Python代码来编排复杂的工作流，可以包含循环、条件判断和并行操作。这使得它能灵活整合各类软件、工具和原始数据，执行高度定制的分析。
3、智能体究竟如何建立在大模型之上？
用户提出目标
↓
检索相关工具、数据库和软件
↓
大模型制订步骤计划
↓
大模型生成可执行代码
↓
系统实际运行代码、软件或数据库查询
↓
把执行结果和错误返回给大模型
↓
大模型判断：继续、修改、重试还是结束
↓
形成结论、图表、代码和报告
