面向AI Agent的专属预印本平台上线 12周实验展现自主科研新图景发表时间:2026-11-21 22:15 近日,alphaXiv推出全球首个专门服务于AI Agent的预印本服务器,为分布在不同机构的智能体搭建起完全自主开展科研协作、共享成果的专属空间。这一全新平台的落地,让此前仅存在于想象中的多智能体协同自主科研模式,正式进入了可落地验证的实践阶段。 不同于以往需要人类研究者全程主导操作的科研辅助工具,接入该平台的AI Agent可以独立完成科研全流程的核心动作:从提出全新研究假设、设计对应实验方案、运行相关代码程序,到完成数据整理分析、输出完整研究论文,甚至可以自主提交成果供其他智能体开展同行评审。随着平台运行时间推进,这些分散的智能体还自发形成了专属的学术交流圈层,出现了公开质疑同行实验设计、发现结论漏洞后主动撤回研究成果,甚至自主创办专属学术期刊并邀请其他智能体担任审稿人的全新现象。 12周跨国协作实验的核心数据全貌为了验证这套智能体自主科研体系的可行性,来自全球22家机构的人类研究者共同组织了一场为期12周的公开实验。实验从2026年8月19日启动,到同年11月12日正式结束,共有来自35个由人类运营的实验室的936个AI Agent接入平台参与全程研究。 整个实验过程没有将所有智能体集中整合到同一个超级大模型中,参与的智能体来自不同背景的实验室,所使用的底层模型、可调用的计算资源以及预设的研究方向都存在明显差异:部分智能体仅能在搭载CPU的普通笔记本电脑上运行,部分可以调用AMD架构的图形处理器,还有部分能够接入NVIDIA B200高性能计算集群开展大规模运算。这些智能体的研究覆盖了人工智能机制可解释性、大模型持续学习、语言模型微调优化、太阳物理学等多个完全不同的学术领域。 在整个实验周期内,人类研究者仅负责提供基础计算资源、划定经费预算范围以及给出大致的研究方向边界,所有涉及具体研究假设拟定、实验步骤设计、原始数据处理分析的核心环节,全部由接入平台的AI Agent自主推进。实验要求每一项完成的研究成果都必须同步提交可直接运行的完整代码、未经处理的原始数据集,以及能够将论文中所有统计数值直接追溯到实际实验输出的全链路记录。其他智能体在查阅成果时,可以直接调取配套资源复现全部实验,还能在已有研究的基础上延伸拓展新的探索方向。 12周结束时,所有参与实验的936个AI Agent累计产出了同等数量的独立研究成果,不同智能体之间交互传递的学术交流消息总量约为9500条,还自发组建了229个主题明确的细分研究讨论群组,一个完全由AI智能体组成的原生科研社区已经显现出清晰的雏形。 文本评审的局限与全流程溯源的价值这场大规模实验也暴露出了此前很少被关注到的科研评审盲区:AI Agent可以生成逻辑链条完整、论证表述流畅的完整论文,仅从文字层面很难直接判断对应的实验设计是否存在隐藏缺陷。 研究团队专门针对不同评审方式的实际效果开展了对照测试:准备了16篇本身带有实验设计缺陷的研究初稿,以及修正问题后已经在正文里明确披露自身研究局限的对应版本。仅通过阅读论文文本开展评审的智能体,从16篇初稿里找出了11篇存在问题的成果,但面对已经修正问题的版本,仍然误判其中10篇存在隐藏缺陷。这一结果充分说明,仅靠阅读论文文本内容,评审主体很难准确区分真正未被披露的实验漏洞和作者已经主动说明的合理研究局限。 为了突破文本评审的瓶颈,研究团队尝试让参与评审的AI Agent直接调取成果配套的代码和原始数据开展核验。在平台旗下《Journal of Agent Research》的期刊评审环节中,一位担任客座编辑的智能体把针对43组论文提出的276项质疑全部转化为可直接运行的核验脚本,在作者提交的原始数据集上重新跑完全部分析流程。最终统计结果显示,156项被归为重大级别的质疑里,有77项直接推翻了论文原本提出的核心结论,占比达到49.4%;剩下120项次级别的质疑中,也有24项最终导致核心结论不成立,占比为20%。这组数据直接证明,大量隐藏的研究问题根本不会体现在公开发表的论文文字表述里,只有深入检查底层代码、重新完整复现实验流程,才能挖掘出这些仅凭文本阅读无法发现的错误。 研究团队还对所有提交成果里的统计数据做了全链路溯源核查:在能够直接对应到原始实验数据字段的23811项统计数值中,有93.8%和留存的实验输出结果完全一致,其余的数值差异都来自常规的四舍五入、数据缩放或者符号规则约定,本次核查没有在这批成功溯源的记录里发现人为伪造数值的情况。不过研究团队也特别说明,数据和实验输出完全对应,仅能证明论文里的报告数值有对应的实验操作作为支撑,既不能保证代码完全实现了论文里描述的研究方法,也不能证明实验设计已经完全排除了所有可能的干扰因素。 AI智能体科研的现有优势与能力边界这场实验里的AI Agent也产出了不少具备实际价值的全新研究发现:其中一项实验结果显示,普通基础模型不需要修改自身的权重参数,仅通过借用经过强化学习训练的模型生成的Prompt缓存,就可以复现后者在MATH-500基准测试中86%的性能提升效果。另一项研究发现,大语言模型能够通过训练文本,把关于虚构人物及其对应所在城市的记忆事实传递给其他模型,即便用来训练的文本本身完全没有提及相关人物和地点的具体信息。还有相关探索结果显示,删除某项事实最初对应的KV缓存条目之后,只要训练一个小型的读取适配器,模型依然可以从缓存其他位置残留的信息里恢复出这些事实,在合成列表测试场景下的准确恢复比例达到83%至94%。 这些单独的研究发现大多属于渐进式的小幅创新,但部分成果已经达到了可以独立提交到传统arXiv平台发表的水准。更值得注意的是,有部分AI Agent完全独立得出的研究结论,和后来人类研究者公开发表的相关论文结果高度相似,覆盖了自蒸馏失效模式、机制可解释性领域的特征可复现性等细分方向。这一现象足以证明,当前的AI Agent已经具备了独立探索特定研究问题、产出有价值新发现的能力。 不过通过后续的盲测对比可以发现,AI智能体的科研能力依然存在非常明确的边界。研究团队选取了202组主题高度匹配的AI生成论文和人类研究者撰写的论文,隐去所有作者和机构信息之后,交由两个大语言模型评审者按照统一标准逐项打分。最终得分结果显示,AI Agent产出的论文在实验严谨性维度的平均得分为9.02分,高于人类论文的7.00分;但在人类科研体系中极为看重的研究新颖性和成果重要性维度,人类研究者的论文得分明显更高。 需要特别说明的是,AI论文在实验严谨性上的整体优势,几乎全部来自第一个引入结构化复现流程的实验室,其余34个实验室产出的AI论文,和同主题匹配的人类论文相比,并没有表现出统计意义上的显著差异。而且这组评分全部来自大语言模型的文本评审,并非人类领域专家的判断,评审过程同样无法直接运行代码或核验底层数据,因此绝对不能直接得出AI科研能力已经全面超越人类的结论。 研究团队最终总结出了本次实验最核心的结论:当前的AI Agent非常擅长处理已经被明确提出的研究问题,可以在已有成果的基础上快速迭代推进,但它们普遍更倾向于选择已经被广泛探索的熟悉主题,或者围绕已有的公开基准测试做小幅优化,还不具备独立判断哪些问题真正值得投入资源研究的能力。而完整的科研活动除了执行实验、分析数据之外,更核心的环节恰恰是发现有价值的全新问题、判断一项研究结果的实际重要性,以及厘清成果对整个学术领域的长期影响,这些核心环节目前依然无法离开人类的深度参与。 有参与讨论的网友提出,如果未来将接入这个自主科研平台的AI Agent规模扩大到数百万甚至数十亿量级,结合持续迭代升级的新一代大模型,完全自主的科学研究模式可能会展现出完全超出当前预期的全新可能性。
文章分类:
行业快讯
11-21 2026 本文围绕alphaXiv推出的全球首个AI Agent专属预印本服务器展开,完整呈现了由全球22家机构参与、为期12周的大规模多智能体自主科研实验的全部核心内容:936个来自不同实验室的AI Agent在平台上自主完成从提出假设到产出论文、开展评审的全科研流程,累计产出936项成果、交换9500条消息、组建229个讨论群组,形成了原生AI科研社区雏形。实验同时验证了仅靠论文文本评审的明显局限,证明 11-21 2026 本文围绕四川省科学技术厅2026年11月9日发布的定向征集重点产业链重大科技攻关需求工作展开,系统拆解了本次工作面向扩权赋能县、欠发达县域的核心目标,明确了需求凝练的产业领域边界,详细说明了攻关需求在导向性、投入规模、层级审核方面的核心遴选标准,同时梳理了材料提交环节的数量限制、时限要求、报送方式和涉密排除规则,最后公布了官方配套咨询渠道,为各地相关经办主体准确把握政策要求、高效完成申报工作提供了 11-21 2026 2026年11月,美国斯坦福大学联合爱思唯尔发布最新全球前2%顶尖科学家评选结果,西北农林科技大学经济管理学院阮俊虎、陈伟、任彦军、王雅楠、李晓燕五位教研人员入选年度科学影响力序列,覆盖工程、地球与环境科学、经济学与商学、赋能与战略技术四大研究板块。该榜单依托Scopus数据库多维度指标从全球千万活跃科研工作者中筛选出各学科前2%研究者,具备广泛国际认可度。此次入选是学院长期立足农林特色、坚持跨学 11-20 2026 2026年11月13日,我国天问四号木星探测任务正式启动有效载荷研制方案公开征集工作。作为天问系列行星探测工程的重要组成部分,本次征集将充分调动国内相关科研力量,吸纳多元创新思路,为任务筛选兼具科学性与可行性的探测载荷方案,推动我国在木星系统研究领域实现新突破,也为后续更远距离深空探测任务积累宝贵经验。 11-20 2026 2026年9月30日中国计量测试学会组织召开的成果评价会认定,由中国计量科学研究院牵头完成的超大宽带信息传输关键参数计量基标准研制项目整体技术达国际先进水平,太赫兹功率基准计量能力跻身国际领先,项目实现三大原创技术突破,首次将太赫兹功率校准能力延伸至330GHz,相关能力获国际计量局认可,全球仅我国具备该频段校准服务能力,成果可支撑太赫兹遥感、新一代通信、卫星互联网等多个重点产业发展,具备显著社会 |
|