通用生物医学AI Agent Biomni登上Science：华人科学家团队打造，能自主拆解真实科研任务

今日凌晨，一款名为Biomni的通用生物医学AI Agent引发业界高度关注。该智能体由华人青年科学家黄柯鑫团队及其合作者联合研发，相关成果发表于国际顶级学术期刊Science。

根据论文公开信息，Biomni 的核心亮点在于摆脱了对预设工作流模板的依赖。它能够围绕科研人员提出的问题，自主拆解任务并调用各类工具完成相应分析。在遗传学、基因组学、药理学等多个生物医学领域任务中，Biomni 展现出出色的泛化能力。更值得关注的是，在部分真实科研场景中，其表现已接近人类专家水平，且耗时更短。

除计算分析能力外，Biomni 还可处理更为复杂的场景：解读多模态数据集、优化蛋白质稳定性、协调湿实验室仪器操作，甚至能够直接生成可供实验验证的具体方案。

研究团队指出，这一工作为生物医学研究开辟了富有前景的新方向：AI Agent有望与人类科学家协同工作，承担繁琐的研究与实验任务，从而加速从基础研究到应用转化的整体进程。

Biomni：一个可扩展的通用生物医学Agent

在此之前，生物医学领域的智能体大多只能算作某一方向的“专才”。它们或许在特定场景下表现优异，但难以覆盖多类生物医学研究任务的广泛需求。

Biomni 则选择了另一条技术路径。它构建了一个统一的生物医学动作空间，主要由两大部分组成：Biomni-E1 作为执行环境；Biomni-A1 则是在该环境中灵活调度的智能体。具体流程如下：

Biomni-E1：整合科研常用工具、数据库和软件，使其成为可随时调用与组合的资源。研究团队采用系统化方法——从 bioRxiv 定义的 25 个生物医学主题中，各选取 100 篇近期论文，共分析 2500 篇文献。随后，一个动作发现 Agent 逐篇阅读这些论文，提取开展或复现相关研究所需的任务、工具、数据库、软件和实验方案。经人工验证后，这些资源被整理为可执行的统一环境，Agent 可通过 Python、R 和命令行调用它们。

Biomni-A1：根据具体研究问题，动态选择资源、规划流程并执行任务。具体而言，其工作流程包含三个环节：

1.资源选择：Biomni-A1 根据用户提出的目标，从整合好的生物医学工具、数据库和软件中，动态筛选最相关的资源来执行当前任务。

2.代码执行：它以代码作为统一接口，将工具调用、数据库查询、数据处理和分析步骤全部串联起来，形成可执行的工作流。

3.自适应规划：Biomni-A1 首先基于生物医学知识生成初始计划，然后在执行过程中根据结果不断修正和细化后续步骤，确保每一步贴合当前任务的实际需求。

做真实科研接近人类专家

研究团队发现，Biomni 在多个维度上表现突出。在通用生物医学基准测试中，其表现优于多类基线系统；在真实科研任务中，其表现接近人类专家，能够参与实验设计和自动化执行，并提供可供实验验证的方案。此外，通过强化学习，其专门任务能力还可进一步提升。

1. 通用生物医学研究基准

在通用生物医学研究任务中，Biomni 的表现显著优于多个基线模型。Biomni-Eval1 的测试结果显示，Biomni 在平均准确率上取得最高分。值得注意的是，即便使用同一套 Biomni-E1 环境，传统的 ReAct 生物信息学 Agent 的表现仍不及由 Biomni-A1 驱动的系统。这表明 Biomni 的能力优势不仅来源于工具、数据库和软件资源的整合，其智能体框架本身的设计也起到了关键作用。

为检验 Biomni 在面对未见过的生物医学问题时的泛化能力，研究者采用 Humanity’s Last Exam 中的生物医学子集 HLE-Bio 进行评测。结果颇具说服力——当多款前沿大语言模型（LLM）接入 Biomni-A1 的智能体架构和 Biomni-E1 环境后，准确率普遍提升约 6% 至 12%。这进一步证明，智能体能力的核心来源在于架构与环境本身的支持，而非完全依赖某一特定底层模型。

2.对比人类专家：同等精度，大幅缩短分析时间

在真实科研任务中，Biomni 的整体准确率已接近专家水平，而分析速度则快得多。尤其在罕见病诊断和GWAS（全基因组关联分析）等任务中，原本需要专家花费一两个小时完成的分析，Biomni 仅需几分钟即可搞定。

3.真实案例验证

研究团队指出，Biomni 不仅擅长计算分析，还能提出假说、辅助实验方案设计、整合完整工作流，甚至可将部分实验流程直接转化为可运行代码。

提出假说：Biomni 具备从复杂数据中自动生成可验证生物学假说的能力。例如，它能在可穿戴设备的睡眠数据中发现睡眠结构、睡眠效率与睡眠质量的相关规律；也能在人类胚胎骨骼发育的多组学数据中，复现已知的成骨调控关系，并在此基础上提出候选转录调控因子，助力解析骨骼谱系的转录调控机制。

图｜基于可穿戴设备的睡眠数据探索：研究设计、分析流程与主要发现。

辅助实验方案设计：在分子克隆任务中，Biomni 生成了端到端的完整克隆方案和质粒图谱。经盲法评审，其方案质量接近人类专家，优于人类受训者。随后，研究人员按照 Biomni 设计的 B2M sgRNA 克隆方案开展湿实验。实验第二天即获得菌落，两个菌落的测序结果均表明 sgRNA 插入正确，证明该方案具备真实的实验可行性。

整合完整工作流：在蛋白质热稳定性优化任务中，研究者只需提供蛋白质序列并提出“提高热稳定性”的目标，Biomni 便会自动选择并组合 AlphaFold-2、ThermoMPNN 以及文献检索等多种资源，预测蛋白结构、评估序列热稳定性，并结合结构信息和已有文献，最终给出候选突变建议。

任务执行：在实验自动化任务中，Biomni 展示的是将自然语言描述的实验需求转化为机器人可执行代码的能力。研究者只需描述要做的实验并提供所用液体处理平台的信息，Biomni 即可选择 PyLabRobot 作为自动化接口，根据 Hamilton STAR 的硬件配置生成可直接执行的代码。随后，机器人按照这套自动化方案执行实验操作，从而将研究者的实验意图直接连接到实际的自动化执行流程。

4.强化学习提升专门任务能力

强化学习可有效帮助智能体提升工具使用和任务规划能力。Biomni 虽具备较强的泛化能力，但在部分专门任务上仍未达到专家水平。为解决这一问题，研究团队训练了开源模型 Biomni-R0，让模型在 Biomni-E1 环境中与工具、数据库和任务流程充分交互，并用专家标注的奖励信号来优化任务完成的最终效果。

训练结果令人振奋。经过强化学习训练后，开源模型 Biomni-R0 在专门任务上的表现显著提升。其 8B 版本的平均任务得分从 0.32 一举提升至 0.59，超过 Claude 4 Sonnet 的 0.56；而 32B 版本更进一步提高到 0.67。从任务层面来看，强化学习带来的提升覆盖了多类专门的生物医学任务，包括实验设计、基因与变异分析、数据库查询和疾病诊断等。

不足与未来方向

研究团队也坦诚指出了 Biomni 目前存在的不足及未来的改进方向。

首先，Biomni 的覆盖范围仍然有限。现有评估任务仅覆盖部分生物医学研究，许多关键领域尚未得到充分测试；同时，动作发现阶段主要依赖近期文献，这可能遗漏一些虽淡出当前讨论但仍具有长期价值的基础概念和经典技术。未来，研究需要纳入更多的生物医学子领域、真实任务场景以及更广泛的文献来源。

其次，Biomni 在处理复杂多步骤任务时，仍较为依赖明确的结构化提示。以 scRNA-scATAC 多组学分析为例，提前写清关键分析步骤有助于提升结果的稳定性和可复现性，但 Biomni 目前尚难以自动补足复杂分析中所需的领域知识和分析惯例。因此，未来仍需大力提升模型的规划和推理能力。

研究团队也指出，Biomni 在不同任务上的表现并不均衡。它在数据库查询、序列分析和分子克隆等任务上已接近人类水平，但在需要细致临床判断、实验推理或深层生物学综合能力的情境下仍显不足。针对这一点，团队计划通过强化学习进一步提升其规划和执行能力，并进一步整合文本、图像和结构化数据等多模态信息。

最后，一个不容忽视的问题是，生命科学 AI Agent 也可能带来生物安全方面的隐患。由于这类系统能够综合大量文献、生成实验方案并执行自动化分析，它们可能降低生物知识被滥用的门槛。为此，研究团队强调未来必须坚持开放透明和严格评估的原则，并与生物安全和政策界保持密切沟通，从而在扩大科研成果收益的同时，有效降低潜在风险。

更多技术细节，可查阅原论文。