 Resumen: La informática ha sido durante mucho tiempo la piedra angular del descubrimiento científico. Recientemente, ha surgido un cambio de paradigma con el surgimiento de grandes modelos de lenguaje (LLM), que introducen sistemas autónomos, denominados agentes, que aceleran el descubrimiento en distintos niveles de autonomía. Estos agentes lingüísticos proporcionan un marco flexible y versátil que organiza interacciones con científicos humanos, lenguaje natural, lenguaje y código informático y física. Este artículo presenta nuestra visión de los agentes científicos basados en LLM y su creciente papel en la transformación del ciclo de vida del descubrimiento científico, desde el descubrimiento de hipótesis, el diseño y ejecución experimental, hasta el análisis y refinamiento de resultados. Examinamos críticamente las metodologías actuales, enfatizando las innovaciones clave, los logros prácticos y las limitaciones sobresalientes. Además, identificamos desafíos de investigación abiertos y delineamos direcciones prometedoras para construir agentes científicos más sólidos, generalizables y adaptables. Nuestro análisis destaca el potencial transformador de los agentes autónomos para acelerar el descubrimiento científico en diversos dominios.
Resumen: La informática ha sido durante mucho tiempo la piedra angular del descubrimiento científico. Recientemente, ha surgido un cambio de paradigma con el surgimiento de grandes modelos de lenguaje (LLM), que introducen sistemas autónomos, denominados agentes, que aceleran el descubrimiento en distintos niveles de autonomía. Estos agentes lingüísticos proporcionan un marco flexible y versátil que organiza interacciones con científicos humanos, lenguaje natural, lenguaje y código informático y física. Este artículo presenta nuestra visión de los agentes científicos basados en LLM y su creciente papel en la transformación del ciclo de vida del descubrimiento científico, desde el descubrimiento de hipótesis, el diseño y ejecución experimental, hasta el análisis y refinamiento de resultados. Examinamos críticamente las metodologías actuales, enfatizando las innovaciones clave, los logros prácticos y las limitaciones sobresalientes. Además, identificamos desafíos de investigación abiertos y delineamos direcciones prometedoras para construir agentes científicos más sólidos, generalizables y adaptables. Nuestro análisis destaca el potencial transformador de los agentes autónomos para acelerar el descubrimiento científico en diversos dominios.
Publicado originalmente en export.arxiv.org el 13 de octubre de 2025.
Ver fuente original

 
 
			 
							 
							 
							