ReasFlow：多智能体系统赋能数学推理与科学发现

近期，大语言模型的进步推动了能够处理复杂科学任务的自主AI智能体发展。然而，现有自动化研究系统大多集中于依赖定量基准的实证领域，而在需要严谨证明和领域知识综合的理论驱动型发现（尤其是数学相关学科）方面仍探索不足。关键挑战包括大规模验证理论推理的困难、自主前沿探索推理能力不足，以及文献中程序性启发方法的稀缺。

为此，研究团队提出了ReasFlow——一个面向推理中心化科学发现的端到端自主智能体系统。该系统采用协作范式，由人类专家担任首席研究员，智能体则像一名能干的研究生一样执行严谨的推导。ReasFlow包含两大核心机制：一是强大的内部验证循环，可在人类检查前审核逻辑一致性并修正基本错误；二是自动知识检索与自我改进机制，能主动提取陈述性事实和被忽视的程序性启发方法，显著减少专家干预。

该系统将文献综述、算法设计、定理证明、实验和论文撰写统一于一个平台。在初步测试中，ReasFlow仅从简短提示出发，自主完成了五篇兼具理论与实证内容的完整研究论文，并在基于大语言模型的评审标准下，持续获得优于当前开源基线的最高评分。目前，ReasFlow已通过ReasLab平台公开，为AI辅助的理论研究提供协作工作空间。