arXiv 论文提出 RIVER 多智能体检索框架用于酶-反应发现
原文标题：RIVER: Evidence-guided multi-agent retrieval for enzyme--reaction discovery
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 RIVER 多智能体框架，协调大模型、生化计算工具与外部知识库，在反应化学、蛋白序列与结构域、催化机制等多层面汇集证据，实现酶与反应的双向检索。在公开基准上取得最高成功率，在大肠杆菌酶检索任务中优于 Claude Code、Codex 等通用与生物专用多智能体系统。
- 问题
- 现有酶-反应检索依赖序列或结构相似度，难以整合多层生化证据。
- 方法
- 多智能体框架协调大模型、生化工具与知识库，汇集多层面证据并做冲突校验与重排。
- 结果
- 公开基准上酶检索与注释成功率最高，大肠杆菌任务优于Claude Code、Codex等系统。
- 影响
- 展示多智能体加工具编排在生物发现中的实用价值，生物信息团队可参考其证据链设计。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RIVER多智能体框架协调大模型与生化工具做酶-反应双向检索，公开基准成功率最高
- •针对现有方法依赖序列或结构相似性、难以跨大候选空间整合生化证据的问题
- •协调大语言模型、专业生化计算工具与外部知识库，在反应化学、蛋白序列与结构域、催化机制、数据库注释多层面汇集证据
- •专用验证模块检查证据缺口与冲突，并用可追溯证据记录重排候选
- •公开基准上酶检索与酶注释成功率均最高，在大肠杆菌酶检索任务中优于Claude Code、Codex等系统
为什么重要：面向成员高度相似的酶家族检索难题，展示多智能体+可追溯证据在生物发现流程中的实用价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。