科研活動具有高門檻和高試錯成本特點，在現(xiàn)有學術體系中，大量“失敗”結果往往未被公開記錄，無法被不同研究者反復探索?；诖笳Z言模型的自動化研究系統(tǒng)則有望緩解這一難題。

由復旦大學MOSS團隊核心成員創(chuàng)辦于去年3月的AI初創(chuàng)公司上海日行跡智能科技有限公司2月12日發(fā)布多智能體系統(tǒng)FARS（Fully Automated Research System），該系統(tǒng)可全自動完成文獻調研、假設生成、代碼編寫、實驗執(zhí)行、論文撰寫等科研全流程，有望讓科學發(fā)現(xiàn)更高效、可擴展，降低科研成本。

FARS的設計基于研究系統(tǒng)的第一性原理，即高效可靠地拓展知識邊界。在一個理想的研究系統(tǒng)中，輸出的每一項研究成果都應具備清晰的假設以及對假設的可靠驗證結果。如果假設本身合理，那么驗證結果無論正向或負向都構成有意義的知識并應當被報告。因此，F(xiàn)ARS的輸出結果呈“短論文”形式，每篇論文聚焦一個邊界清晰的研究貢獻，系統(tǒng)鼓勵報告失敗結果且不必遵循篇幅或結構限制。

據(jù)日行跡介紹，F(xiàn)ARS由Ideation、Planning、Experiment、Writing四個智能體模塊構成。其中Ideation智能體根據(jù)預設研究方向不間斷地自動開展文獻調研和假設生成，每個假設在被生成且通過自動化評估后交由后續(xù)智能體依次處理，最終生成一篇完整的學術論文。這些智能體在一個共享文件系統(tǒng)中分工協(xié)作，文件系統(tǒng)同時承擔了工作空間和持久記憶功能。

為了讓FARS能夠高效開展大批量實驗，研究團隊將一個包含160卡的GPU集群包裝成訓練和推理工具供智能體調用，讓系統(tǒng)高效調度和管理計算資源。為了讓FARS能夠順利合成數(shù)據(jù)、設計智能體等，F(xiàn)ARS接入了統(tǒng)一調用端口，可調用各類閉源和開源模型。為驗證FARS工作過程，日行跡公開了FARS首次部署，預計直播一個月時間，生產(chǎn)100篇學術論文，達成目標后停止運行。日行跡表示，希望通過這種方式收集研究者、審稿人、工程師的反饋。

日行跡是由復旦大學對話式大型語言模型MOSS團隊核心成員發(fā)起的人工智能基礎技術公司，創(chuàng)始人孫天祥為復旦大學計算機博士，師從復旦大學教授黃萱菁與邱錫鵬，也是MOSS的主要研發(fā)者。孫天祥長期研究機器學習、自然語言處理與大模型體系，為顛覆科學發(fā)現(xiàn)方式，讓科學發(fā)現(xiàn)從手工作坊轉變?yōu)榭梢?guī)模化的工業(yè)生產(chǎn)，2025年創(chuàng)辦日行跡。該公司目前已獲得高榕資本、奇績創(chuàng)壇等多家機構投資，天使輪融資數(shù)千萬美元。