2026年11月19日,艾伦人工智能研究所(Ai2)在科研智能体平台Asta上线Theorizer,并同步开源代码。这个智能体的活只有一件:读研究文献,针对研究人员观察到的现象提出可检验的理论解释,每条结论都连回原始论文。它不是用来替代研究员,而是把“这个现象可能是什么原因”从凭经验猜测,变成有文献支撑的候选清单。
它怎么从论文里提理论
Theorizer先搜文献,再定一个提取模板:每篇论文研究了哪些基因、怎么测活性、改动后发生了什么,然后对照提取出的发现生成理论,给每条主张标出出处。团队也把边界写在明处:检索可能漏掉相关研究,模型可能误判一条理论是否新颖,研究人员仍需对照更广的文献核查。Asta网页版承担一定额度内的token费用,想在自己机器上跑的人可以用开源代码库,自付token成本。同一平台上,报告生成工具AstaBrief此前已开源,Theorizer补上的是理论生成这一环。
三个真实用例
三个用例来自近一年的真实合作。肺癌研究中,Providence Swedish癌症研究所的Sid Devarakonda用它研究无驱动基因的肺腺癌——约20%到30%的病例测不到已知驱动突变,Theorizer给出三种假说,后续结合公开肿瘤数据验证,初步指向DREAM复合体失调与CDK2依赖,仍需实验验证。脑科学里,Allen研究所的Jérôme Lecoq让它分析VIP中间神经元,一次返回50个候选理论,远超预期的两三个。秘鲁国际马铃薯中心的团队则用它解释气候数据里离谱的11月露点值,理论本身被证伪,却顺藤摸瓜找到了原始数据集的估算问题。
适合谁,先看清什么
最适合的是手头有未解现象、又离不开文献的研究人员:肿瘤、神经、农业这类证据链长的领域。12月10日上午10点(太平洋时间),Ai2会办一场网络研讨会,现场走一遍癌症研究的完整例子。先看清两点再用:它给的是候选解释,不是结论;开源代码可以自己改,但token成本与验证工作仍在使用者这边。