夜雨聆风
深夜，一篇没有人类作者的论文，悄然通过了一场顶尖学术会议的评审。
当审稿人还在讨论实验设计是否严谨时，没人想到——从灵感闪现到代码编写，从数据跑批到图表绘制，甚至包括这篇论文本身，全部出自同一位"科学家"之手。
这位科学家不是人，近日，它登上了Nature。
论文链接：https://www.nature.com/articles/s41586-026-10265-5
The AI Scientist 系统
2024 年，Sakana AI 和不列颠哥伦比亚大学、牛津大学等机构，推出首个面向科研全流程自动化的系统——The AI Scientist。
The AI Scientist是全流程自动化科研系统，通过四阶段实现：
1. 用大语言模型基于学术文献提研究点，连学术数据库比对，剔除相似想法，保留创新假设。
2. 确定方案后，自动写实验代码并运行，能自动调试，记录实验数据等。
3. 依实验日志和分析，自动用LaTeX写论文，含引言等章节，插入图表和引用。
4. 内置自动审稿人按学术会议标准评估论文，打分并提供反馈，完成质量控制。
图 | The AI Scientist 的研发流程包含多个独立阶段，涵盖自动化创意生成、基于树状结构的实验设计、论文撰写与评审。
实验验证
为了验证 The AI Scientist 的实际能力，研究团队设计了相关实验。
图 | 研究实验阶段可视化为四阶段流程。首先构建初步基线代码实现（阶段1），并通过超参数调优进行优化（阶段2）。所得代码作为执行研究议程的起点，通过智能树搜索法进行探索（阶段3），随后开展消融实验（阶段4）。
研究团队向ICLR 2025的ICBINB研讨会提交3篇由The AI Scientist生成的论文。审稿采用盲审，审稿人知有AI生成论文，但不知具体篇目。
结果，一篇论文获6.33分（6、7、6），高于平均录用线。组织者称，若非按协议因“AI生成”撤回，极可能被接收。另两篇因质量未达标未通过评审。
图 | 选自 The AI Scientist 发表的一篇论文，该论文通过同行评审后被顶级机器学习会议研讨会收录。在元评审前，该论文获得 6 分（弱接受）、7 分（接受）和 6 分（弱接受）的评审分数，位列同行评审提交论文的前45%。这表明完全由 AI 生成的论文能够成功通过顶级会议研讨会的同行评审流程。
为大规模、自动化评估生成论文质量，研究团队开发Automated Reviewer。测试数据显示，其在判断论文录用任务上与人类审稿人表现高度一致。基于NeurIPS会议历史数据评估，自动审稿人F1分数和平衡准确率与人类相当，部分指标优于人类平均。
研究团队还分析影响AI科学家产出质量的关键变量，发现基础模型能力提升，论文质量明显上升，实验执行阶段投入更多计算资源，论文得分显著提高。这表明，随算力成本降低和模型能力增强，该系统产出质量有望进一步提升。
图 | 人类评审员与自动化评审系统性能对比。
The AI Scientist 证明了AI可以独立完成科研闭环，但也暴露了真实的差距：1篇通过、创意浅显、代码出错、引用幻觉。
好消息是，它的进化与底层模型绑定——大模型越强，它就越像真正的科学家。
坏消息是，研究团队已经看到了风险：审稿系统会更累，文献噪音会更多。
技术已经上路，规则还在路上。
艾思科蓝论文发表无忧
期刊详情、论文发表需求、刊物匹配
长按下图即可免费咨询
关注艾思说刊 解锁更多期刊资讯
本文内容来源：觉醒AI科技，分享目的在于传递更多学界信息，版权归原作者所有，若有侵权，谨致歉意，请联系我们删除。
