撰文丨王聰

編輯丨王多魚

排版丨水成文

2024 年 8 月，Sakana AI 公司、不列顛哥倫比亞大學、牛津大學的研究人員組成的研究團隊在預印本平臺 arXiv 推出首個旨在全面自動化科學流程的人工智能工具——“AI 科學家”（AI scientist），其能夠完成科學發(fā)現(xiàn)的整個周期——從提出想法到驗證想法再到撰寫科學論文。

如今，一年多過去了，可供研究人員使用的 AI 研究助手種類繁多，其中一些也能夠像“AI 科學家”那樣進行自主研究甚至撰寫科學論文。

而現(xiàn)在， “AI 科學家”再次完成了一個新壯舉——其完成了首個通過人類專家同行評審的完全 AI 生成論文 ，從 研究想法、編寫代碼、運行實驗、繪制和分析數(shù)據(jù)，到撰寫完整的科學論文，均由“AI 科學家”自主完成。

2026 年 3 月 25 日，研究團隊在國際頂尖學術(shù)期刊Nature上發(fā)表了題為：Towards end-to-end automation of AI research 的研究論文，更新了 2024 年的這篇描述“AI 科學家”的預印本論文，對其能力進行了適度調(diào)整，進一步展示了“AI 科學家”將生成的三篇原創(chuàng)研究論文提交給了一個頂級機器學習會議——國際學習表征會議（ICLR），其中一篇論文通過人類專家同行評審后被接收，且評分超過了該會議接收論文的平均值。

這一成就展示了 AI 在科學貢獻方面日益增強的能力，并預示著科學研究方式可能發(fā)生的范式轉(zhuǎn)變。研究團隊表示，如果負責任地開發(fā)，“AI 科學家”等自主系統(tǒng)能夠極大地加速科學發(fā)現(xiàn)。

什么是“AI 科學家”？

“AI 科學家”是一個端到端自動化科學研究全過程的 AI 系統(tǒng)，由一系列“智能體”（Agent）構(gòu)成，這些智能體建立在現(xiàn)有的大語言模型（LLM）之上（例如 GPT-4o 或 Claude Sonnet 4）。

它能夠自主完成從研究構(gòu)思到論文發(fā)表的整個科研生命周期，包括——

1、生成研究想法：在用戶指定的機器學習研究子領(lǐng)域中，迭代生成高水平的研究方向和假設(shè)；

2、執(zhí)行實驗：編寫代碼、運行實驗、可視化結(jié)果；

3、撰寫論文：按照標準機器學習會議論文格式，使用 LaTeX 模板逐節(jié)撰寫完整論文；

4、進行同行評審：通過自動評審系統(tǒng)評估論文的科學質(zhì)量。

這個“AI 科學家”有兩種工作模式：基于模板的模（使用人類提供的代碼模板作為起點）和模板自由的模式（完全自主生成代碼并進行更廣泛的科學探索）。

“AI 科學家”工作流程

突破：AI 論文通過同行評審

為了驗證“AI 科學家”的實際能力，研究團隊進行了一項大膽的實驗：將完全由“AI 科學家”生成的研究論文提交給國際學習表征會議（ICLR）的一個研討會進行同行評審。ICLR 是由圖靈獎得主Yoshua Bengio和楊立昆于 2013 年創(chuàng)立的深度學習領(lǐng)域?qū)W術(shù)會議，其與 NeurIPS、ICML 并稱為機器學習領(lǐng)域主要會議，在谷歌學術(shù)會議期刊排名中位列全球前十。

整個實驗過程完全透明且符合倫理規(guī)范：

• 會議組織者事先知情并同意；

• 人類評審專家被告知有部分論文是 AI 生成的，但不知道具體是哪幾篇；

• 所有 AI 生成的論文在評審后都會被撤回，避免在科學界建立明確標準前設(shè)定先例。

結(jié)果令人震驚：“AI 科學家”提交的三篇 AI 生成論文中，有一篇獲得了人類評審專家的平均分 6.33 分（個人評分分別為 6、7、6），成為第一篇完全由 AI 生成并通過了標準的科學同行評審流程的研究論文，這一分數(shù)超過了該研討會接收論文的平均分數(shù)。這篇題為：Compositional regularization: Unexpected obstacles in enhancing neural network generalization（組合正則化：增強神經(jīng)網(wǎng)絡(luò)泛化能力中的意外障）的論文報告了一個負面結(jié)果，與研討會關(guān)注“有趣負面結(jié)果”的主題高度契合。

“AI 科學家”生成的一篇論文的精選部分，該論文已通過同行評審，在頂級機器學習會議的研討會上被接受

自動評審系統(tǒng)：與人類評審者媲美

“AI 科學家”不僅能夠生成論文，還配備了“自動評審器”來評估論文質(zhì)量。這個自動評審系統(tǒng)的表現(xiàn)如何？

根據(jù)論文中的對比數(shù)據(jù)，自動評審器在關(guān)鍵指標上與人類評審者表現(xiàn)相當甚至更優(yōu)：

• 平衡準確率：自動評審器 69% vs 人類評審者 66%；

• F1 分數(shù)：自動評審器 0.62 vs 人類評審者 0.49；

• 曲線下面積（AUC）：自動評審器 0.69 vs 人類評審者 0.65。

即使在訓練數(shù)據(jù)截止日期后的 2025 年的新論文上，自動評審器仍保持 66% 的平衡準確率，與人類評審者水平相當。

系統(tǒng)工作原理：四階段科研流程

“AI 科學家”按照四個主要階段順序工作——

第一階段：想法生成與篩選，系統(tǒng)迭代生成研究想法檔案，為每個方向生成描述性標題、研究理由和實驗計劃。然后通過連接語義學者API和網(wǎng)絡(luò)訪問工具，篩選掉與現(xiàn)有文獻過于相似的想法。

第二階段：實驗執(zhí)行與可視化，系統(tǒng)執(zhí)行提出的實驗計劃，可視化結(jié)果，并為后續(xù)寫作做好筆記記錄。在模板自由模式下，系統(tǒng)會從零開始生成代碼，并通過樹搜索優(yōu)化實驗執(zhí)行。

第三階段：論文撰寫，系統(tǒng)使用筆記和圖表，按照會議論文模板逐節(jié)填充內(nèi)容，通過查詢獲取相關(guān)文獻，并在 20 輪比較中為論文添加適當引用。

第四階段：自動評審，生成的論文由自動評審系統(tǒng)評估，提供數(shù)值評分、優(yōu)缺點列表和接受/拒絕的二元決策。

“AI 科學家”工作的四個階段

意義與局限：科學研究的范式轉(zhuǎn)變

這項研究的成功標志著 AI 在科學貢獻能力上的重大進步，可能預示著科學研究方式的范式轉(zhuǎn)變。如果負責任地開發(fā)，這種自主系統(tǒng)可以極大地加速科學發(fā)現(xiàn)。

當然，研究團隊也坦誠指出了當前系統(tǒng)的局限性：三篇提交論文中只有一篇被接受，且研討會接受率（70%）遠高于主會議（32%）；提交的論文尚不能達到頂尖論文的標準；常見失敗模式包括想法幼稚、實現(xiàn)錯誤、方法嚴謹性不足、實驗錯誤和多種類型的幻覺。

未來展望與倫理考量

隨著 AI 系統(tǒng)能力的指數(shù)級增長和成本的指數(shù)級下降，“AI 科學家”的性能有望大幅提升。未來，同樣的方法可以應(yīng)用于其他科學領(lǐng)域，例如自動化化學實驗室。

然而，自動化論文生成能力也帶來了重要的倫理和社會關(guān)切——可能壓垮同行評審系統(tǒng)、人為夸大研究資歷、未經(jīng)適當認可地挪用他人想法、消除科學家工作崗位、進行不道德或危險的實驗等等。

研究團隊強調(diào)，在科學界建立明確的披露和評估標準前，需要謹慎推進這類 AI 系統(tǒng)的應(yīng)用，確保它們被用于促進而非破壞科學誠信。

“AI 科學家”生成并通過同行評審的論文，是 AI 發(fā)展史上的一個重要里程碑。它不僅是技術(shù)能力的展示，更是對傳統(tǒng)科研模式的深刻挑戰(zhàn)。當 AI 開始涉足人類智慧的最高殿堂——科學發(fā)現(xiàn)時，我們既看到了加速進步的巨大潛力，也面臨著重新定義科研倫理邊界的緊迫任務(wù)。

論文鏈接：

https://www.nature.com/articles/s41586-026-10265-5