在人工智能驱动的科学发现领域，一项新的研究展示了多智能体系统在开放世界环境中的自主科研能力。由不同模型家族组成的AI智能体，在名为Station的虚拟空间中，无需中央协调器即可自主选择研究方向、设计并执行实验，同时构建起一个共享的科学知识库。这一环境模拟了真实科研社区的协作模式，为AI驱动的数学发现提供了全新范式。

研究团队将Station应用于AlphaEvolve目录中的12个构造问题，并额外进行了两个案例研究。结果显示，该系统在五个问题上取得了超越现有文献的新成果，其中包括有限域Kakeya集的新无限族，以及11维空间中604点的亲吻构型。这些成果不仅验证了多智能体协作的有效性，也展示了AI在数学构造性问题上的创新能力。

值得注意的是，Station环境中的智能体并非简单执行预设任务，而是通过自主决策和相互协作来推进研究。它们能够生成可解释的定理与分析，使得整个发现过程具有透明度和可验证性。所有原始智能体对话、证明过程和验证代码均已公开，为学术界提供了宝贵的可复现资源。

这一进展对于AI辅助科学发现具有重要意义。传统上，数学研究依赖人类直觉和推理，而Station环境表明，多智能体系统能够自主探索复杂数学空间，发现人类可能忽略的构造。尽管该研究仍处于早期阶段，但已展现出AI在推动数学前沿方面的巨大潜力。