#paper https://www.nature.com/articles/s41551-026-01634-6 Nat Biomed Eng, 2026 Empowering AI data scientists using a multi-agent LLM framework with self-evolving capabilities for autonomous, tool-aware biomedical data analyses. 该工作提出了一个面向生物医学数据分析的自进化多智能体系统 BioMedAgent，将复杂生物信息学任务统一建模为“工具感知 + workflow 构建”的可学习问题。系统基于 LLM 驱动的 multi-agent 架构，通过 interactive exploration 与 memory retrieval ，学习在不同任务中选择并组合多种生物信息学工具，自动构建可执行分析流程。与传统基于规则的 pipeline 不同，该系统具备自我进化能力，可根据执行结果进行反馈优化，逐步提升工具使用策略与任务完成质量。实验基于新构建的 BioMed-AQA benchmark（327 个真实生物医学分析任务），系统达到 77% 成功率，显著优于现有 LLM agent，并在外部数据集上表现出良好的泛化能力 。进一步结果表明，该系统能够完成跨组学分析、机器学习建模及医学图像分析等复杂任务，体现出跨任务迁移能力 。