SciForge: An AI-Native, Multimodal Workbench for Scientific Discovery
作者: SciForge Team, Zhangyang Gao, Minghao Fang, Yifei Liu, Hanhui Yang, Xinyu Gu, Shixiang Tang, Siqi Sun, Lei Bai, Cheng Tan, Mengdi Liu, Hao Wu, Shuizhou Chen
分类: cs.AI
发布日期: 2026-07-20
💡 一句话要点
提出SciForge以解决科学研究中的多模态协作问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 多模态研究 科学决策 协作科学 开源工具 证据治理
📋 核心要点
- 现有的AI助手无法有效整合和管理科学研究中的多种异构对象，导致研究过程缺乏连贯性和可审计性。
- SciForge通过模块化服务和多模态输入处理，提供了一种新的科学研究工作台，支持决策治理和团队协作。
- 通过实际案例展示，SciForge在基因发现和蛋白质设计等领域的应用效果显著，提升了研究效率和成果质量。
📝 摘要（中文）
科学研究日益涉及多种异构文献，包括论文、代码、数据集等，但现有的通用AI助手往往无法保持这些对象的连贯性和可审计性。本文提出SciForge，一个多模态的AI工作台，旨在为科学发现提供支持。SciForge围绕五个支柱构建：目标导向的科学决策治理、翻译后推理的多模态输入、可审计的证据治理、协作团队科学以及实际应用场景。该系统通过八个端到端的用户案例展示了其实际应用，涵盖基因发现、蛋白质设计等领域。SciForge目前作为桌面应用运行，未来将增强团队协作功能，并且是开源的。
🔬 方法详解
问题定义：现有的科学研究助手在处理多种异构文献时，无法保持研究状态的连贯性和可审计性，导致研究过程中的信息孤岛和决策不透明。
核心思路：SciForge通过构建一个多模态的AI工作台，结合目标导向的决策治理和翻译后推理机制，旨在提升科学研究的效率和透明度。
技术框架：SciForge的架构包括一个薄交互层、上下文研究能力模式、Agent运行时和工作流引擎、证据DAG审计侧车以及科学模型路由器，支持模块化的服务访问。
关键创新：SciForge的创新在于其多模态输入处理和证据治理机制，能够将科学对象通过领域翻译器进行路由，从而实现审计链的可追溯性，与现有方法相比，提供了更高的透明度和协作能力。
关键设计：系统设计中采用了模块化服务架构，支持多角色决策治理，未来版本将增加共享团队工作空间，增强协作功能。
🖼️ 关键图片
📊 实验亮点
SciForge通过八个实际案例展示了其在基因发现、蛋白质设计等领域的应用，显著提升了研究效率和成果质量。具体性能数据尚未披露，但系统的模块化设计和多模态处理能力为未来的研究提供了强有力的支持。
🎯 应用场景
SciForge的潜在应用领域包括生物医学研究、材料科学和环境科学等，能够有效整合多种研究文献和数据，提升团队协作效率。其开源特性也为研究人员提供了可定制的解决方案，推动科学研究的创新与发展。
📄 摘要（原文）
Scientific work increasingly spans heterogeneous artifacts -- papers, code, datasets, scientific file formats, model outputs, figures, manuscripts, and team decisions -- yet general-purpose AI assistants rarely preserve these objects as a coherent, auditable research state. We present SciForge, a multimodal research-native AI workbench that reserves the graphical interface for human judgment while search, parsing, model routing, workflow execution, plotting, writing, and presentation generation run as modular agent-accessible services. SciForge is built around five pillars: (i) \emph{goal-scoped scientific decision governance} for \textbf{goal-oriented} research, with review gates and shared review surfaces; (ii) \emph{translate-then-reason} for \textbf{multimodal} input, routing scientific objects through domain translators before the agent reasons; (iii) \emph{evidence governance} for \textbf{auditable} traceability, linking claims to provenance chains and audit findings; (iv) \emph{collaborative team science} for \textbf{collaborative} research, enabling multi-role decision governance, with shared team workspaces planned for future releases; and (v) \emph{real-world application scenarios} for \textbf{practical} impact, demonstrated through eight end-to-end user cases, with flagship demonstrations including multi-day agentic research sprints for gene discovery, AI-guided de novo protein design, molecular optimization, and genome-to-BGC discovery. The system combines a thin interaction layer, contextual research capability patterns, an Agent Runtime and Workflow Engine, an Evidence-DAG audit sidecar and a Scientific Model Router. SciForge currently runs as a desktop application, with mobile supervision support; future releases will deepen team collaboration. The system is open-source and available atthis https URL