幾小時前，Nature 宣布了真正意義上的 AI 科學(xué)家的首次實(shí)現(xiàn)。由“Transformer 八子”之一聯(lián)合創(chuàng)辦的日本 Sakana AI 與英國牛津大學(xué)、英屬哥倫比亞大學(xué)的研究團(tuán)隊(duì)打造了一個從零開始搞科研的 AI，實(shí)現(xiàn)了從構(gòu)思到論文發(fā)表的完整端到端自動化，并有 AI 論文通過國際頂會 ICLR 2025 同行評審，這是 AI 科研范式的突破，觸及了人類創(chuàng)造力的邊界。

圖 | 被選中的 AI 論文節(jié)選（來源：https://www.nature.com/art）

值得注意的是，來自英國牛津大學(xué)的 Chris Lu 和來自英屬哥倫比亞大學(xué)的 Cong Lu 是共同一作之一。

圖 | 從左到右：Chris Lu 和 Cong Lu（來源：資料圖）

研究中，他們造出了一個叫 AI 科學(xué)家（ AI Scientist）的系統(tǒng)，從想點(diǎn)子、寫代碼、跑實(shí)驗(yàn)、分析數(shù)據(jù)，到寫論文、自己審稿，全由AI自己完成。

更讓人震驚的是，其中一篇完全由AI生成的論文，投到了 ICLR 2025 的一個研討會，拿到了 6 分、7 分、6 分的評審分?jǐn)?shù)，超過了這個研討會平均的錄取線。這篇論文如果沒被主動撤稿，大概率會被接收。

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

據(jù)了解，AI 科學(xué)家的工作流程分成四塊。

第一步是想點(diǎn)子。

它被喂進(jìn)一個研究領(lǐng)域后，會自己生成一批研究方向，每一條都帶著標(biāo)題、研究理由、實(shí)驗(yàn)方案，還給自己打分，有趣程度、新穎程度、可行性，1 到 10 分自己評。然后它連上 Semantic Scholar 的學(xué)術(shù)搜索引擎，把跟已有工作太像的點(diǎn)子扔掉。

第二步是做實(shí)驗(yàn)。

這里分兩種模式。

第一種是模板模式，研究人員先給它一段能跑通的代碼做起點(diǎn)，它在這個基礎(chǔ)上想新點(diǎn)子，然后叫一個叫 Aider 的代碼助手來改代碼、跑實(shí)驗(yàn)，出錯了自己看日志、自己修，修好了繼續(xù)跑。

另一種是無模板模式，它連起點(diǎn)代碼都沒有，得從零開始寫。這時候它會搞一個樹形搜索，一個點(diǎn)子長出好幾個分支，每個分支跑不同參數(shù)、不同設(shè)置，跑完一輪選最好的那個繼續(xù)往下走。這個過程會并行跑很多個節(jié)點(diǎn)，誰效果好誰被選中繼續(xù)深挖。

第三步是寫論文。

它把自己實(shí)驗(yàn)里記的筆記、生成的圖表填進(jìn)一個標(biāo)準(zhǔn)的 LaTeX 模板里，一節(jié)一節(jié)地寫，引言、方法、結(jié)果、結(jié)論，全齊。要寫相關(guān)工作部分的時候，它再去查 Semantic Scholar，把相關(guān)的論文找出來，然后讀摘要和寫引用。寫完還會自己編譯 LaTeX，報錯了自己改，最多可以改五次，直到出一份能看的 PDF。

第四步是自己審稿。

研究團(tuán)隊(duì)還造了一個自動化審稿器，照著 NeurIPS 的審稿指南，對論文打分，給優(yōu)點(diǎn)、缺點(diǎn)、倫理問題，最后給一個接受或拒絕的建議。五份獨(dú)立審稿結(jié)果匯總，再由它自己當(dāng)領(lǐng)域主席做一個綜合判斷。

這個自動化審稿器不是隨便做的，研究團(tuán)隊(duì)拿它跟真實(shí)的人類審稿記錄做了對比。他們從 OpenReview 上拿了 ICLR 的論文數(shù)據(jù)，讓自動化審稿器打分，結(jié)果它的平衡準(zhǔn)確率達(dá)到 了69%，跟人類審稿人的 66% 差不多。

在 F1 分?jǐn)?shù)上，它甚至比 NeurIPS 2021 那個著名的審稿一致性實(shí)驗(yàn)里的人類審稿人之間的一致性還高。這意味著自動化審稿器打出來的分?jǐn)?shù)，跟一個真實(shí)的人類審稿專家基本在一個水平線上。

他們還專門測了數(shù)據(jù)污染的問題。模型訓(xùn)練時用的數(shù)據(jù)可能包含 2017 到 2024 年的論文，所以他們又拿 2025 年出的新論文測了一遍，結(jié)果平衡準(zhǔn)確率降到了 66%，仍然和人類審稿人持平。這說明自動化審稿器不是靠背答案，它其實(shí)是真的能夠自己判斷論文質(zhì)量。

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

研究團(tuán)隊(duì)還發(fā)現(xiàn)了一個規(guī)律，AI 科學(xué)家生成的論文質(zhì)量，跟它底下用的基礎(chǔ)模型強(qiáng)相關(guān)。他們用不同時間發(fā)布的模型跑同一套流程，從較老的模型到最新的模型，生成的論文評分一直在漲。這說明隨著基礎(chǔ)模型越來越強(qiáng)，AI 科學(xué)家寫出來的論文也會越來越接近人類水平。

同時，給 AI 科學(xué)家分配的計算資源越多，它寫出來的論文質(zhì)量也越高。這有點(diǎn)像給一個研究生更多時間做實(shí)驗(yàn)，最后成果也會更好。這兩個趨勢加在一起，意味著未來 AI 科學(xué)家的能力會隨著模型升級和算力增長持續(xù)提升。

（來源：Nature）

被研討會評審看上的那篇論文，研究的是深度學(xué)習(xí)里的一個負(fù)向結(jié)果，正好契合那個叫 ICBINB 的研討會主題。這篇論文由AI科學(xué)家在無模板模式下生成，從頭到尾沒有人類修改過。它從選題、設(shè)計實(shí)驗(yàn)、跑代碼、出圖表、寫 LaTeX，全部是自己完成的。

研究團(tuán)隊(duì)一共投了三篇，只有這一篇過了線，另外兩篇沒達(dá)標(biāo)。這說明 AI 科學(xué)家目前還不是每次都能寫出高質(zhì)量論文，但這明確證明 AI 寫出來的東西已經(jīng)能騙過人類審稿人，讓它以為自己是在審一個人類研究生的作業(yè)。

當(dāng)然，AI 科學(xué)家現(xiàn)在還遠(yuǎn)不夠完美。它偶爾會想出很幼稚的點(diǎn)子，方法論不夠嚴(yán)謹(jǐn)，寫代碼時會出各種 bug，還會產(chǎn)生幻覺，比如引文明明是錯的它硬說對，或者附錄里把同一張圖放兩遍。

不過，研究團(tuán)隊(duì)發(fā)現(xiàn)在機(jī)器學(xué)習(xí)這個領(lǐng)域，很多技術(shù)剛出現(xiàn)時都不完美，甚至漏洞百出，但只要它能讓做出來這件事本身成立，后續(xù)通過擴(kuò)大規(guī)模、更好的模型、更優(yōu)的技術(shù)，這項(xiàng)能力就會迅速提升，進(jìn)而很快超越人類水平。

總的來說，這項(xiàng)工作的意義遠(yuǎn)遠(yuǎn)不止讓 AI 寫幾篇論文，它把整個科研流程從頭到尾連起來了，從想點(diǎn)子到做實(shí)驗(yàn)到寫論文到審稿，全在計算機(jī)里跑通。

未來可以用 AI 來加速科研，比如在藥物發(fā)現(xiàn)、材料設(shè)計、氣候建模這些領(lǐng)域，讓 AI 科學(xué)家 7×24 小時地跑實(shí)驗(yàn)、試方向，而人類科學(xué)家只需要在關(guān)鍵節(jié)點(diǎn)做判斷和選擇。

同時，研究團(tuán)隊(duì)在論文最后也提到了風(fēng)險，比如AI論文洪流可能會壓垮現(xiàn)有的審稿系統(tǒng)，或者有人拿 AI 灌水、批量發(fā)假論文。所以他們主動把投出去的論文撤回來了，也在所有生成的論文里加了水印，方便識別。他們還建議學(xué)術(shù)界盡快建立規(guī)范，告訴人們 AI 寫的論文應(yīng)該怎么標(biāo)注和怎么對待。

參考資料：

相關(guān)論文https://www.nature.com/articles/s41586-026-10265-5

https://www.linkedin.com/in/chris-lu-37471b119/

https://chrislu.page/

https://www.linkedin.com/in/cong-lu-530b74104/

https://www.conglu.co.uk/

https://sakana.ai/ai-scientist-nature/

運(yùn)營/排版：何晨龍