#scientific-discovery Dépôts
Découvrez 11 dépôts GitHub open source actifs associés à #scientific-discovery, cumulant 30,503 étoiles au total (soit une moyenne de 2,773 étoiles par projet). Le projet en tête de ce thème est aiming-lab/AutoResearchClaw, avec 14,916 étoiles.
11 dépôts au total
Recherche entièrement autonome et auto-évolutive de l'idée au papier. Discutez d'une idée. Obtenez un papier. 🦞
Collection d'interprétations d'articles AI for Science (mise à jour continue), téléchargement d'articles/jeux de données/tutoriels : hyper.ai
Un runtime AutoResearch piloté par des plans pour orchestrer les workflows de recherche en IA, de la génération d'idées et des expériences à la rédaction d'articles et à l'évaluation par les pairs.
Une liste soigneusement sélectionnée de boucles d'amélioration autonomes, d'agents de recherche et de systèmes de style autoresearch inspirés par l'autoresearch de Karpathy.
ShinkaEvolve : Vers une évolution de programmes sans limite et efficace en échantillons 🧬
Recherche automatique open-source alimentée par des agents de codage autonomes. Exécutez Claude Code, OpenCode et Codex avec notation, connaissances partagées et évolution multi-agents. Accepté à COLM 2026.
LLM4AD : une plateforme pour la conception d’algorithmes avec des modèles de langue de grande taille
ClearAI : un plug-in DSH natif qui place l’ontologie au premier plan — la recherche vérifiée par des preuves se développe en une ontologie de domaine consultable.
Une collection ouverte et organisée de compétences d'agents pour la recherche scientifique — clonez-la, utilisez-la, étendez-la !
Donnez à une IA un axe de recherche : elle réalise elle-même la synthèse de la littérature, la validation des lacunes, la formulation d’hypothèses et la conception d’expériences. 267 compétences Markdown forment un graphe de recherche : 51 opérations composées de 216 étapes élémentaires, exécutables dans n’importe quel ordre avec retour en arrière explicite ; le plan est approuvé avant son exécution et les exécutions interrompues peuvent reprendre. Installation avec npx, sans environnement d’exécution ni clé API.
Foire aux questions
Quel est le dépôt #scientific-discovery le plus populaire sur GitHub ?
Le projet #scientific-discovery open source le mieux classé sur GitHub est aiming-lab/AutoResearchClaw, avec 14,916 étoiles. Recherche entièrement autonome et auto-évolutive de l'idée au papier. Discutez d'une idée. Obtenez un papier. 🦞
Quels langages de programmation sont les plus utilisés dans les dépôts #scientific-discovery ?
Parmi les projets #scientific-discovery les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, JavaScript.
Comment le classement des dépôts #scientific-discovery est-il calculé ?
Nous suivons 11 dépôts open source actifs associés à #scientific-discovery (500+ étoiles), totalisant 30,503 étoiles, avec une moyenne de 2,773 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.