浙大团队推出开源AI科研助手Polaris：从文献到论文AI全程助力研究

科研工作常被繁杂的流程所困扰，从海量文献的筛选到实验设计的反复调整，再到论文撰写与修改，每个环节都可能耗费大量时间。如今，浙江大学团队推出的开源平台Polaris，试图通过人工智能技术重构科研流程，让研究者能够将更多精力投入到关键决策中。

该平台以“北极星”为名，寓意为科研人员指引方向。其核心设计理念是将文献调研、想法生成、实验验证、论文写作等六个阶段串联成自动化流水线。AI不仅承担各环节的基础工作，还能将上一阶段的成果无缝传递至下一环节，例如将文献转化为研究想法，再将想法转化为可执行的实验方案。

在文献处理环节，平台每天自动抓取arXiv等学术网站的最新论文，通过AI生成一句话结论和中文导读，并标注作者机构与核心概念。研究者可快速筛选有价值的内容，将其存入个人文献库。这些论文会被进一步解析为包含动机、方法与借鉴意义的深度摘要，同时提取插图并添加说明。系统还支持语义检索、标签分类与PPT生成功能，甚至能展示研究主题随时间的变化趋势。

想法生成阶段，平台从概念空白、论文局限等维度挖掘潜在研究方向，并通过多维评分系统评估其新颖性与可行性。为避免主观偏差，系统引入AI评审员辩论机制：多位立场不同的虚拟评审员围绕每个想法展开正反论证，最终根据辩论结果生成Elo排名。研究者可参考排名决定是否深化某个方向，或直接启动实验。

实验环节是该平台的另一亮点。连接实验室GPU服务器后，AI可自主完成实验设计、代码编写、训练启动与结果分析。其独特的“智能体循环”机制将实验目标拆解为带验收标准的步骤清单，每完成一步都进行校验，未通过则调整方案后继续执行。当遇到需要人工干预的节点，例如数据选择或参数调整，系统会暂停并征求研究者意见，确保实验方向始终可控。

为适应不同实验室的需求，平台设计了可定制的技能系统。研究者可将文献综述规范、实验代码标准等要求封装为技能模块，挂载到对应流程环节。系统预置了Rebuttal起草、审稿意见整理等实用技能，同时也支持用户自定义或从社区共享库安装新技能。

除核心流水线外，平台还配备全局助手PolarisBuddy。通过快捷键召唤后，它会根据当前页面内容提供操作建议，或接受自然语言指令自主完成任务。例如，用户可要求其分析某篇论文的核心贡献，或规划某个研究方向的实验步骤。

在权限管理方面，平台支持多人协作模式。团队成员共享文献库与解析成果，实验室管理员可查看成员的AI使用情况与资源消耗分布。平台能力通过MCP协议与技能体系对外开放，已与Claude Code、Codex等工具实现集成，并提供macOS、Windows与Linux客户端。

该项目已在GitHub开源，目前处于快速迭代阶段。开发团队表示，欢迎科研人员参与测试并提出改进建议，共同完善这一科研自动化工具。