智能体文献检索
将学术搜索建模为多轮决策过程，让智能体自主决定查询、引用扩展和证据收集策略。
Capability Map
从文献获取到自主发现
每个方向对应一个关键能力层，并通过工具、基准和智能体系统逐步支撑科学知识认知。
多模态科学文档解析
面向表格、公式、图像和化学结构，构建可评测、可复用的科学文档机器理解能力。
科学信息抽取与摘要
通过知识图谱推理与反思式优化，把论文中的任务、方法、证据和贡献转化为结构化知识。
工具增强科学推理
评测和提升智能体跨论文整合、多工具编排、多跳证据推理和复杂问题求解能力。
深度研究与报告生成
模拟专家分析流程，从大规模信息源中进行意图驱动搜索、迭代综合和高质量报告生成。
自主科学发现
面向 AI Scientist，探索从文献理解走向规律发现、假设生成、实验设计和研究闭环的下一代智能体。
前瞻研究
共同研究主线
这些方向不是孤立项目，而是服务于同一个目标：让 AI 能够可靠地获取、理解、组织并扩展科学知识。
Agentic Workflow
将检索、阅读、推理、工具调用和生成组织为可追踪、可评测的智能体流程。
Benchmark-Driven Research
通过领域基准和过程级评测暴露能力边界，推动模型和系统共同迭代。
Science-Centered Design
围绕科学问题、证据链和研究产物设计系统，而不是只优化通用对话体验。