scholar-loop

让 AI 自动跑完科研全流程，防作弊防幻觉

scholar-loop 是一个开源的自主 AI 科学家框架，采用多智能体循环架构，将文献调研、实验设计、自我批判和论文撰写整合为一个自动化流水线。它旨在解决科研过程中重复性劳动和系统性偏差问题，通过内置的确定性防护机制，防止智能体在优化目标时出现奖励黑客行为（如走捷径）和幻觉（生成虚假结果）。核心能力包括：多智能体协作分工、文献自动综述、实验方案生成与执行、结果自我评估与迭代优化，以及基于规则的安全护栏，确保科研流程的可控性和可复现性。项目基于 Python 实现，适合作为 AI for Science 领域的实验基座，目前处于早期阶段，但架构设计具有前瞻性。