AI 资讯 知识库 智能体生态观察智能体生态观察 · 第 87 篇|科研智能体:AI Scientist、自动审稿与科研流水线

智能体生态观察 · 第 87 篇|科研智能体:AI Scientist、自动审稿与科研流水线

2025 年春天,一场国际机器学习研讨会的接收名单里,出现了一篇由智能体独立完成研究与写作的论文——开发团队与研讨会组织方把这次投稿设计成双盲实验,评审照常给出意见,三篇投出一篇。新闻措辞聚焦「AI 论文首次通过同行评审」,但把它放回科研流水线的全景里看,真正值得记住的不是里程碑,而是刻度:这一步发生在流程的哪一环、离真正的科学发现还有多远。本篇沿流水线逐环盘点自动化现状,再看自动审稿这口舆论沸锅。

手绘信息图:科研流水线的智能体化——六环节自动化程度与两处红色卡点

流水线的自动化地图:苦力环节先行

科研流水线可以拆成六环:文献调研、假设生成、实验设计、执行、分析、写作与评审。截至 2026-11 的自动化程度沿流水线呈两头高中间低的形状。文献调研渗透最深:检索、筛选、综述初稿都已交给智能体,文献问答类工具在多个实验室成为日常——这一环结构化程度高、容错大,读漏一篇综述的代价远低于做错一个实验。但渗透深不等于风险低:综述初稿最典型的故障是引用幻觉——编造看起来严丝合缝的文献条目,防御手段是把「每条引用可回溯到原文」做成硬校验,让生成与核查分离成两道工序,这类引用链纪律与本系列第 62 篇讨论的治理框架同源(此处只点名)。执行一环内部分化明显:代码实验与仿真已可全托管——跑基准、调参数、记录结果,智能体整夜值守;湿实验则是另一回事,机械臂与自动化平台只覆盖标准流程,非标准的生物与化学操作仍卡在人类手上。分析与作图自动化程度中高:统计检验、图表生成是成熟能力,难的是「结果是否真的支持假设」这层判断。写作的初稿已近全自动,终稿仍需人来定调。

真正的卡点在假设生成。智能体能列出合理的假设清单,也能按可行性排序——Google 在 2025 年初展示的多智能体「科研副驾驶」就以假设生成与优先级排序为核心能力,其产出的部分生物医药假设后来经实验室验证(据公开发布的案例)。但要看清这个案例的性质:被验证的是「筛选已有候选」的判断力,不是「提出全新理论框架」的创造力。新颖性没有客观评估函数——一个假设是否属于范式级突破,往往要等它的后果全部展开之后才知道,这与代码测试毫秒级给出红绿完全不同。智能体在假设环节的真实位置是放大器:把人类研究者的直觉清单扩大十倍、排好序,而清单的源头仍是人类的问题意识。

为什么苦力环节先被接管、创造环节留在人手里?判据是反馈信号的结构:文献调研的反馈是「找没找到」,执行的反馈是「跑没跑通」,都短平快;假设的反馈是「几年后是否被引证与复现」,又慢又稀疏。已公开的端到端系统印证了这个结构:Sakana AI 的 AI Scientist-v2 用智能体树搜索驱动「写代码—跑实验—自评—改进」的循环,内部配一个自动评审器把关,自评不过就继续迭代——它把反馈短的三环做成了闭环,而闭环的出口标准(什么算「值得投稿」)仍是模型自评,这也是它后续争议的伏笔。在与研讨会组织方合作的双盲实验里,三篇智能体独立完成的论文投出一篇,而那场研讨会的整体接收率约七成——刻度要放在这个语境里读:这是一次含金量有限的通过,但它证明了流水线可以整段无人化运转。

苦力环节的接管已成事实,卡点集中在两处——假设的新颖性没有验证函数,实验科学的物理世界不肯加速。

自动审稿的争议:能力边界与共同体的抵制

自动审稿是整个方向里舆论最烫的一环,因为它动的是学术共同体的分配权力。截至 2026-11 的事实盘面:有独立分析估计,ICLR 2026 的约七万余条评审意见中,两成上下为大模型完整生成——作者用 AI 写投稿,评审用 AI 写意见,链条两端一起自动化。组织方的反应分成几路:有的会议明文禁止评审环节使用大模型(ECCV 2026 的政策写得很直白);NeurIPS 2026 一边办起自愿参与的「辅助评审实验」,研究人类与模型协作能否既提效又不失真,一边专门发文警告智能体撰写的论文激增,对同行评议制度构成急性风险;ICML 2026 则按政策台拒了约五百篇违规稿件,其间还发现在论文里预埋隐藏「陷阱提示词」、专门抓出把稿子直接丢给模型的评审——这个攻防把评审环节变成了对抗环境,「用陷阱抓人」是否合乎程序伦理也随之成为新的争论点。

抵制不只来自情绪,机制上有硬理由。第一是偏见固化:评审意见的语言风格与评分分布会进入下一代模型的语料,模型学的是「主流意见长什么样」,给出的意见天然向主流收敛——学术最需要的异见恰恰被系统性抹平。第二是责任真空:评审署名意味着责任与声誉,模型给出的否定意见没有任何人需要为之负责,申诉与仲裁机制随之悬空。第三是训练截断:初级研究者靠审稿学会判断什么是好研究,把这一环整体交给模型,等于切断了学术人才培养的关键回路——今天替模型省下的评审时间,可能是明天的共同体再也补不回来的判断力。

争议的解法在于划界而不是禁绝。辅助型使用——核查引用是否真实、检查统计口径的一致性、把评审意见的表述规范化——争议小、收益实;替代型使用——直接生成评分与录用结论——把权力从人手里整体拿走,争议大、风险实。目前共同体的共识大致沿这条线走:工具可以读稿,不能判稿。六个环节的自动化程度与争议强度并排摆出来是这样的:

环节 自动化程度(截至 2026-11) 主要争议
文献调研 高 检索偏差与引用幻觉
假设生成 低 新颖性无验证函数
实验设计 中 与领域惯例的贴合度
执行:代码与仿真 高 结果可信依赖环境保真
执行:湿实验 低 物理流程非标
分析 中高 统计口径与过度解读
写作 初稿高、终稿中 披露规范与署名
评审 辅助中、替代低 偏见固化与责任真空

审稿之争的本质不是「AI 评审准不准」,而是「谁为学术判断负责」——这个问题在责任制度补上之前无解。

可验证领域的快进:闭环在哪里闭合

同样的智能体能力,放进不同学科,推进速度天差地别,变量只有一个:验证闭环能不能在机器内部闭合。代码与数学研究的天赋在这里——跑测试、对答案、用证明检查器核验,反馈毫秒级且零成本,智能体一夜之间可以穷举人类一周的实验量。实验科学的闭环中间横着一段物理世界:合成要排队、培养要等周期、测量要约机时,智能体能优化的是等待之前的全部环节——设计、预约、准备、分析,把人从等待里解放出来,但等待本身压不缩。数学的处境居中:形式化验证器可靠,但把一个研究级命题翻译成可检验的形式化表述,本身是重活,翻译成本常常吞掉自动化收益。

闭环闭合的速度差,正在重排学科的智能化时序。可验证领域(机器学习实验、软件工程研究、部分计算科学)已经进入「智能体整夜跑实验、人类早晨看结果」的节奏;半可验证领域(统计与数据分析类研究)在引入预注册协议后逐步跟进;依赖物理与生物过程的领域,智能化收益集中在流程外围。由此得出一个生态观察:不同学科之间「科研智能体成熟度」的差距,比模型能力的代际差距更大——工具是一样的,反馈结构不一样。评价任何「AI Scientist」类产品,先问一句话:它的验证信号从哪来、多久返回。把这句话工程化,就是给每个实验前置一张协议卡片,让验证标准在开工之前就锁定:

{
  "hypothesis": "低资源语料上,课程学习优于均匀采样",
  "predicted_effect": "验证集指标提升超过 1 个点",
  "success_criterion": "三个随机种子下均显著优于基线",
  "ablation": ["去除课程排序", "替换采样比例"],
  "kill_condition": "基线复现偏差超过 0.5 个点时,先修环境再继续",
  "review_gate": "结果写入报告前,统计口径须人工确认"
}

科研智能体的推进速度等于验证闭环的闭合速度——学科差异的根源不是模型,是反馈结构。

flowchart LR
  L["文献调研(高)"] --> H["假设生成(低)"]
  H --> D["实验设计(中)"]
  D --> E["执行:代码高、湿实验低"]
  E --> A["分析(中高)"]
  A --> W["写作与评审:审稿争议大"]
  L --> C["短反馈:闭环内"]
  E --> C
  A --> C
  H --> N["长反馈:无闭环"]
  W --> N

生态观察:发表制度与态度分化

发表制度正在被倒逼改规矩。署名规范是底线共识:主流编辑准则把「能否对工作负责、能否同意署名」作为作者资格的门槛,智能体天然不满足,因此不能列为作者——各刊与会议普遍要求披露 AI 的使用范围与程度。分歧在披露的颗粒度:写到什么程度算「语言辅助」、写到什么程度算「实质贡献」,目前只有原则、没有统一标尺;个别期刊开始试行独立的「AI 使用声明」,把口径留给编辑部逐篇审。这些制度实验与前文的陷阱提示词攻防一样,都是共同体在给新变量找位置——制度不是被一次性设计出来的,是被一次次事故与争议磨出来的。

态度分化的地图大致清楚。学术共同体的担忧集中在三件事:评审系统被机器生成内容冲垮(前文已述)、新人训练回路被截断、发表数量通胀稀释信号价值——当生成一篇像样论文的成本趋近于零,「发表过」本身的证明力就在贬值。这里还藏着一个恶性循环的机制:生成成本下降推高投稿量,投稿量上升推高评审需求,而评审在多数会议里是无偿义务劳动——机器写得越快,人类评审的负担反而越重,撂挑子的诱惑也越大,于是更多人把稿子丢给模型——循环的每个环节都理性,合起来却把制度推向失衡。产业界的姿态相反:把科研智能体当生产力管线投资,文献问答、实验调度、湿实验室自动化各有创业团队在做(截至 2026-11 这批公司多处于早期,规模判断为时尚早)。两种态度都有道理,冲突的实质是时间尺度:学术界按十年维护制度,产业界按季度追逐效率——制度演化追不上产品节奏,中间的空窗期就是争议的温床。

学术界与产业界没有谁错,只是时钟不同——观察这个领域的最关键指标,是制度补位的速度。

小结

科研是智能体的天然试验场:流程结构化、产出可验证,苦力环节的接管已成事实——文献、执行、分析、初稿各就各位。但两道坎决定了 AI Scientist 仍是加速器而非替代者:假设的新颖性没有验证函数,同行评审的权力与责任没有新制度接盘。可验证领域的快进与湿实验世界的慢档并存,学科时序被反馈结构而非模型能力重排。科研智能体的价值在「加速苦力」,颠覆叙事为时过早——至于那篇通过研讨会评审的论文,更准确的读法不是「AI 会做科研了」,而是「流水线的无人段又长了一截」。

读者留言

COMMENTS 暂无
仅本站原创文章开放留言 · 请勿留下手机号、邮箱等个人信息

还没有留言,来说第一句?