Resumen:Los conjuntos de datos científicos a gran escala, que abarcan biobancos de salud, atlas celulares, reanálisis de la Tierra y más, crean oportunidades para descubrimientos exploratorios sin restricciones por preguntas de investigación específicas. A este proceso lo denominamos búsqueda de hipótesis: la búsqueda acumulativa de conocimiento a través de la exploración sostenida a través de espacios de hipótesis vastos y complejos. Para respaldarlo, presentamos AScience, un marco que modela el descubrimiento como la interacción de agentes, redes y normas de evaluación, y lo implementamos como ASCollab, un sistema distribuido de agentes de investigación basados en LLM con comportamientos heterogéneos. Estos agentes se autoorganizan en redes en evolución, produciendo y revisando continuamente hallazgos bajo estándares compartidos de evaluación. Los experimentos muestran que tales dinámicas sociales permiten la acumulación de resultados calificados por expertos a lo largo de la frontera de diversidad-calidad-novedad, incluidos redescubrimientos de biomarcadores establecidos, extensiones de vías conocidas y propuestas de nuevos objetivos terapéuticos. Si bien la validación en laboratorio húmedo sigue siendo indispensable, nuestros experimentos con cohortes de cáncer demuestran que las redes agentes socialmente estructuradas pueden sostener la búsqueda de hipótesis exploratorias a escala.
Publicado originalmente en export.arxiv.org el 12 de octubre de 2025.
Ver fuente original
