从假设到闭环：Co-Scientist 的实验室升级
此前 Co-Scientist 主要定位为"假设生成器"------研究人员用自然语言描述目标，AI 生成可测试的假说与研究计划。此次升级后，系统完成了从"想法引擎"到"闭环研究员"的跃迁：它能自主搜索文献、设计实验流程、编写执行代码、调用实验室设备，并最终生成完整论文草稿。
这一转变标志着 AI 在科研场景中的角色从"辅助工具"升级为"合作研究者"。
核心机制：多智能体科学推理链
Co-Scientist 的核心机制建立在多智能体协作框架之上。系统内置多个专业化智能体，分别承担文献综述、假说生成、实验设计、代码实现与结果分析等角色。各智能体之间存在辩论与反馈循环------当一个智能体提出新假设时，其他智能体会从证据支持性、可验证性和创新性等维度进行质疑与 refinement。
以 Imperial College London 团队利用 Co-Scientist 研究抗菌药物抗性为例：研究人员只需描述问题背景，系统即可自动检索PubMed、arXiv及内部数据库，综合已有证据提出新的分子机制假说，并输出完整的实验验证方案。整个过程无需人工介入假设筛选。
典型成果：Agent_H 超越六大前沿模型
最具代表性的成果来自计算机科学领域设计的医疗 AI 架构 Agent_H。该架构由 Co-Scientist 自主生成，融合了注意力机制优化与分层特征提取策略。在多项健康基准测试中，Agent_H 的表现超越 GPT-5、Claude Opus 5 等六个当前最前沿的医疗大模型。
值得注意的是，Agent_H 并非人工调参的产物，而是 Co-Scientist 通过自主搜索医学文献、分析现有架构缺陷、生成候选设计并进行模拟验证后发现的"新颖且原创"的解决方案。这验证了多智能体系统在科学发现中的可扩展性。
取舍与边界：人机协作的新范式
Co-Scientist 的实验室集成也带来明确的取舍。一方面，系统确实能够加速假设迭代周期------从文献调研到实验设计的时间从数周缩短至数小时；另一方面，最终结果的科学有效性仍依赖人类专家的判断与验证。DeepMind 强调，Co-Scientist 的设计哲学是"增强而非替代"------它将科研人员从繁琐的文献梳理与代码实现中解放出来，使其专注于更高阶的科学判断与创新决策。
判断：Co-Scientist 的实验室化升级标志着 AI 从"辅助工具"向"研究伙伴"的角色转变，未来科研团队的人机协作模式将由此重构。
##从假设到闭环：Co-Scie