本地部署全自动写论文的AI智能体！全球首个AI科学家-AI Scientist诞生！告别科研压力AI Scientist全自动完成从创意到论文撰写，让科研更轻松高效！#AIScientist #agi

🔥🔥🔥本篇笔记所对应的视频 https://youtu.be/UCfFfrmlfcA

全球首个AI科学家AI Scientist诞生了！这是由日本AI研究团队SakanaAI开发的革命性工具，能够全自动化进行科研和撰写论文。

在本视频中，我们将：

1. 详细介绍AI Scientist的特点和优势
2. 演示如何在搭载A6000显卡的Ubuntu系统上部署AI Scientist
3. 展示如何使用AI Scientist自动生成一篇机器学习论文
4. 讲解整个过程，从创意生成到实验执行，再到论文写作

AI Scientist的主要特点：

• 全自动化流程：从研究想法到论文撰写
• 集成了大语言模型技术
• 经济高效：生成一篇论文成本不到15美元
• 支持多种研究模板：NanoGPT、2D diffusion、grokking

我们将step by step教你如何：

• 创建并配置正确的环境
• 安装必要的依赖
• 设置API密钥
• 运行AI Scientist生成论文
• 使用AI进行论文评审

conda create -n ai_scientist1 python=3.11
conda activate ai_scientist1

# LLM APIs
pip install anthropic aider-chat backoff openai
# Viz
pip install matplotlib pypdf pymupdf4llm
# Install pdflatex
sudo apt-get install texlive-full

# Common Requirements
pip install torch numpy transformers datasets tiktoken wandb tqdm

export OPENAI_API_KEY="sk-proj-"

git clone <https://github.com/SakanaAI/AI-Scientist.git>

# 准备NanoGPT数据
python data/enwik8/prepare.py
python data/shakespeare_char/prepare.py
python data/text8/prepare.py

# 创建NanoGPT基线运行 训练NanoGPT模型建立一个基准
cd templates/nanoGPT
python experiment.py --out_dir run_0
python plot.py
cd ../..

👉👉👉如有问题请联系我的徽信 stoeng

🔥🔥🔥本项目代码由AI超元域频道制作，观看更多大模型微调视频请访问我的频道⬇

👉👉👉我的哔哩哔哩频道

👉👉👉我的YouTube频道

**👉👉👉我的开源项目 https://github.com/win4r/AISuperDomain**

使用claude接口

export ANTHROPIC_API_KEY="sk-proj-"

python launch_scientist.py --model "claude-3-5-sonnet-20240620" --experiment nanoGPT --num-ideas 5

# --num-ideas 5表示生成5个研究想法

使用openai接口

export OPENAI_API_KEY="sk-proj-"

python launch_scientist.py --model "gpt-4o-2024-05-13" --experiment nanoGPT --num-ideas 5

获取论文审查

#export OPENAI_API_KEY="sk-proj-"

import openai
from ai_scientist.perform_review import load_paper, get_llm_review

client = openai.OpenAI()
model = "gpt-4o-2024-05-13"

paper_txt = load_paper("path_to_your_generated_paper.pdf")
review = get_llm_review(
    paper_txt,
    model,
    client,
    num_reflections=5,
    num_fs_examples=1,
    num_reviews_ensemble=5,
    temperature=0.1,
)

print(review["Overall"])  # 总体评分
print(review["Decision"])  # 接受或拒绝
print(review["Weaknesses"])  # 弱点列表

运行批量分析

cd review_iclr_bench
python iclr_analysis.py --num_reviews 500  --batch_size 100 --num_fs_examples 1 --num_reflections 5 --temperature 0.1 --num_reviews_ensemble 5

2D扩散

cd templates/2d_diffusion && python experiment.py --out_dir run_0 && python plot.py

Grokking

cd templates/grokking && python experiment.py --out_dir run_0 && python plot.py