面对科研活动长期存在的门槛高、试错成本高、负结果被忽略等痛点，FARS（全自动研究系统）应运而生。它由复旦MOSS团队核心成员创立，旨在通过多智能体协作，将科学研究从手工作坊式升级为可规模化的工业生产体系，实现从文献调研到论文产出的全流程自动化。
智能速览
由复旦MOSS团队核心成员创立的自动化科研系统FARS，致力于科研规模化生产。
基于“研究系统第一性原理”，记录所有正负结果，拓展知识边界。
系统由构思、规划、实验、写作四大智能体协作完成科研全流程。
背后是160卡GPU集群支持，可批量执行实验与高效迭代。
通过公开直播实验，计划自动生产100篇论文，强调过程透明与可验证。
精华内容
FARS不仅仅是一个工具，它代表了一种全新的科研范式。通过其独特的系统架构与理念，它正试图重塑知识生产的方式。
科研的痛点
传统科研模式长期存在多重困境。首先，研究门槛高，试错成本昂贵，导致许多有价值的探索无法开展。其次，学术体系普遍存在“唯成功论”，大量“负结果”或失败实验被弃之不理，造成知识浪费和研究路径的重复探索。最后，研究成果难以复现，阻碍了知识的有效积累和传承，整体知识边界拓展效率低下。
FARS的出现正是为了解决这些根深蒂固的问题，目标是建立一个可以自动拓展知识边界的系统。
第一性原理
FARS系统的设计遵循“研究系统第一性原理”，确立了几个核心准则。第一，每项研究都必须有清晰的假设，避免盲目探索。第二，每个假设都必须有可靠的验证过程，确保结论的科学性。第三，无论实验结果是正是负，都应被视为有效的知识组成部分，并予以完整记录。
为此，FARS的输出采用“短论文”形式，这种形式鼓励研究者报告失败的尝试，且不强制要求遵循传统论文的繁琐结构，更聚焦于清晰地呈现一个边界明确的研究问题及其验证过程。
四智能体协作
FARS的自动化能力源于其精密的多智能体协作架构，系统由四个核心智能体构成。首先是构思智能体，负责自动进行文献调研，生成具有可行性的研究假设。其次是规划智能体，它会制定详细的实验方案，并将任务分解为具体步骤，同时设计代码结构。
然后是实验智能体，它能够自动编写代码、调度GPU资源、执行实验并实时记录所有结果。最后是写作智能体，负责汇总所有数据和结果，自动撰写符合学术规范的完整论文文稿。所有智能体在一个共享文件系统中协同工作，该系统既是它们的工作空间，也是持久记忆和协作的媒介。
强大算力基石
为了支持大规模、高并发的科学实验，FARS在底层算力上做了充分准备。系统封装了一个高达160卡的GPU集群，能够对模型训练和推理任务进行统一调度，确保资源高效利用。同时，系统接入了统一的模型调用端口，可以灵活调用闭源模型与开源大模型。
这套强大的算力基础使得FARS能够批量执行多个并行的实验任务，快速迭代研究假设，从而进行高效率的大规模科研探索，真正实现科研的“规模化生产”。
FARS系统展现了将科学发现从人工驱动转向工业化生产的巨大潜力。它不仅提高了科研效率，更有可能通过记录和利用“负结果”，加速知识边界的拓展。当科研活动可以被自动化、规模化地执行，未来的科学探索将会被如何重新定义？这无疑为整个学术界带来了新的想象空间。
