snap-stanford/Biomni

解决的问题

Biomni 旨在自动化各种生物医学子领域的复杂研究任务。它通过帮助科学家生成可验证的假设，并执行原本需要手动协调多个工具和数据源的多步骤分析工作流，从而弥合科学研究中的生产力差距。

工作原理

Biomni 作为一个 AI 代理，结合了大语言模型（LLM）推理、检索增强规划和基于代码的执行。它利用一个经过精心整理的最佳实践和实验协议的「知识库」，并通过 Model Context Protocol（MCP）与外部工具集成。系统还可通过使用 Biomni-R0 进一步增强，Biomni-R0 是基于 Qwen-32B 构建的专用推理模型，并通过代理交互数据进行强化学习训练。

适用人群

Biomni 专为需要自动化数据分析、规划实验设计（如 CRISPR 筛选）以及解决复杂生物学问题的生物医学研究人员和科学家而打造。

主要亮点

• 通用生物医学代理：能够执行从 scRNA-seq 注释到化合物 ADMET 属性预测等各类任务。
• Biomni-R0：专为工具使用和生物学情境下的迭代自我修正而优化的专用推理模型。
• Biomni-Eval1：包含 10 个生物学推理任务中 433 个实例的综合性基准，用于性能评估。
• 知识库：自动检索的实验室协议和分析最佳实践集合，提供领域专业知识。
• MCP 支持：支持与外部工具和服务器集成，扩展功能。