登上Science，華人科學家推出通用生物醫學AI Agent，真實科研表現接近人類專家

由華人青年科學家黃柯鑫團隊主導、並與多位合作者共同開發的通用生物醫學 AI Agent——Biomni，於今日凌晨正式登上權威學術期刊《Science》。這項研究展示了一種不依賴固定工作流程模板的智慧型代理系統，能根據研究者提出的問題，自動拆解任務、調用對應工具，協助完成多樣化的生物醫學研究工作。根據論文描述，Biomni 在遺傳學、基因組學、藥理學等不同領域的任務上展現出強大的泛化能力，在部分真實科研情境下的表現已接近人類專家，且完成時間大幅縮短。 不同於過去僅專精於單一領域的生物醫學代理，Biomni 從架構上建立了一個統一的生物醫學動作空間，主要由兩個核心組件構成：Biomni-E1 與 Biomni-A1。Biomni-E1 是執行環境，負責整合科研常用的工具、資料庫與軟體，將其轉化為可供呼叫與組合的資源。團隊從 bioRxiv 定義的 25 個生物醫學主題中，各選取 100 篇近期論文，共分析 2500 篇文獻，經由動作發現代理逐篇提取復現或開展研究所需的任務、工具與實驗方案，再經人工驗證後整理成可執行的環境，允許後續代理透過 Python、R 和命令列進行呼叫。 Biomni-A1 則是實際在該環境中運作的代理，根據研究問題動態篩選資源、規劃流程並執行任務。具體流程包含資源選擇、程式碼執行與自適應規劃三個環節：代理會根據使用者目標，從眾多生物醫學工具與資料庫中選出最相關的資源；接著以程式碼作為統一介面，串聯工具呼叫、資料查詢與分析步驟；最後，代理會先基於生物醫學知識生成初始計劃，並在執行過程中依據中間結果不斷修正後續步驟，使流程更貼近當前的任務需求。 在通用生物醫學研究基準測試中，Biomni 的表現明顯優於多個基線模型。根據 Biomni-Eval1 的結果，Biomni 在平均準確率上取得最高成績；即便使用相同的 Biomni-E1 環境，ReAct 生物資訊學代理的表現仍不如由 Biomni-A1 驅動的系統，證明其能力不僅來自資源整合，更來自代理架構本身。研究團隊進一步使用 Humanity’s Last Exam 的生物醫學子集 HLE-Bio 進行泛化能力測試，結果顯示，當多款前沿大型語言模型接入 Biomni-A1 架構與 Biomni-E1 環境後，準確率約提升 6% 至 12%，說明 Biomni 的效能主要由架構與環境支撐，而非依賴單一底層模型。 在與人類專家的對比中，Biomni 的整體準確率接近專家水準，同時分析速度明顯更快。特別是在罕見病診斷與全基因組關聯分析（GWAS）任務中，原本需要專家花費一到兩小時完成的分析，Biomni 僅需幾分鐘即可產出結果。研究團隊也透過多個真實案例驗證其能力，證明 Biomni 不僅能完成計算分析，還能提出假說、輔助實驗方案設計、整合完整工作流程，並將部分實驗流程轉化為可運行的程式碼。 在提出假說方面，Biomni 具備從複雜資料中自動生成可驗證生物學假說的能力。例如，它能從穿戴式裝置收集的睡眠數據中，發現睡眠結構、效率與品質相關的規律；也能在人類胚胎骨骼發育的多組學數據中，復現已知的成骨調控關係，並提出候選轉錄調控因子，解析骨骼譜系的轉錄調控機制。在輔助實驗方案設計部分，研究團隊測試了分子克隆任務：Biomni 產出端到端的克隆方案與質粒圖譜，經盲法評審結果接近人類專家，優於人類受訓者。隨後，研究人員按照 Biomni 設計的 B2M sgRNA 克隆方案進行溼實驗，第二天即獲得菌落，兩個菌落的測序結果均顯示 sgRNA 插入正確，證實該方案具備實際可行性。 在整合完整工作流程方面，團隊以蛋白質熱穩定性優化任務為例：研究者只需提供蛋白質序列，並提出「提高熱穩定性」的目標，Biomni 便會自動選擇並組合 AlphaFold-2、ThermoMPNN 與文獻檢索等資源，預測蛋白質結構、評估序列熱穩定性，並結合結構資訊與既有文獻提出候選突變。至於實驗自動化任務，Biomni 展示的是將自然語言實驗需求轉化為機器人可執行程式碼的能力。研究者只需描述實驗內容，並說明所使用的液體處理平臺，Biomni 便能選擇 PyLabRobot 作為自動化介面，根據硬體配置生成可執行程式碼，讓機器人按照方案執行實驗操作，直接將研究者的實驗意圖連結到實際的自動化執行流程。 研究團隊也嘗試透過強化學習進一步提升 Biomni 在專門任務上的表現。雖然 Biomni 具備良好的泛化能力，但在若干專門任務上仍未能達到專家水準。團隊因此訓練了開源模型 Biomni-R0，讓模型在 Biomni-E1 環境中與工具、資料庫及任務流程互動，並使用專家標註的獎勵訊號最佳化任務完成效果。結果顯示，經過強化學習後，開源 Biomni-R0 的專門任務表現明顯提升：8B 版本的平均任務得分從 0.32 提高到 0.59，超越 Claude 4 Sonnet 的 0.56；32B 版本進一步提高到 0.67，涵蓋實驗設計、基因與變異分析、資料庫查詢和疾病診斷等多類任務。 儘管成果亮眼，研究團隊也坦承 Biomni 仍有不足之處。首先，現有評估任務僅涵蓋部分生物醫學研究領域，許多關鍵子領域尚未充分測試；動作發現階段主要依賴近期文獻，可能遺漏一些已淡出當前討論、但仍具長期價值的基礎概念與經典技術。未來需要納入更多生物醫學子領域、真實任務場景及更廣泛的文獻來源。其次，Biomni 在複雜多步驟任務中仍依賴較明確的結構化提示，例如在多組學分析時，提前寫明關鍵分析步驟有助於提升結果穩定性與可再現性，但系統尚無法自動補足複雜分析中的領域知識與分析慣例，規劃與推理能力仍有提升空間。此外，Biomni 在不同任務上的表現不均衡：在資料庫查詢、序列分析與分子克隆等任務上已接近人類水準，但在需要細緻臨床判斷、實驗推理或深層生物學綜合的任務中仍有不足，團隊認為可透過強化學習進一步強化規劃與執行能力，並整合更多文字、圖像及結構化數據等多模態資訊。 最後，研究團隊也提出，生命科學 AI Agent 可能帶來生物安全問題。由於這類系統能夠綜合文獻、生成實驗方案並執行自動化分析，可能使生物知識更容易被濫用。團隊強調，未來必須堅持開放透明、嚴格評估，並與生物安全及政策社群保持溝通，在擴大科研收益的同時降低潛在風險。整體而言，這項研究為生物醫學研究開啟了一個充滿前景的方向：AI Agent 有望與人類科學家共同協作，輔助完成繁雜的研究與實驗，加速基礎研究向應用的轉化。