The AI Scientist 登上 Nature：全流程做科研写论文，曾通过顶会盲审

如果有一天，你给大模型一个宽泛的研究方向，它自己去读文献、想点子、写代码跑实验、画图表，最后直接吐出一篇排版整齐的 LaTeX 论文，科研人员是不是就可以提前下班了？

这还真不是段子。3 月 25 日，日本 AI 创业公司 Sakana AI 联合不列颠哥伦比亚大学（UBC）、Vector 研究所和牛津大学，把他们历时一年半打磨的科研自动化系统 The AI Scientist，正式推上了顶级科学期刊《Nature》。

拿过 6.33 分，曾悄悄通过顶会盲审

所谓 The AI Scientist，说白了就是一个由基础大模型驱动的多智能体系统。它的野心很大，要把机器学习科研的全生命周期全部自动化。

具体跑起来时，系统主要有两种模式。一种是基于模板的开发，给它一个现成的基础代码框架（比如跑一个简单的 nanoGPT 训练），它就在这上面做变体、做扩展，适合目标明确的任务；另一种则是无模板模式，不给任何起步代码，由它自由发挥、从头搭实验，用来做开放式探索。

它设计实验时用上了并行的智能体树搜索，自己写代码、跑程序，甚至利用多模态视觉模型来检查生成的图表画得合不合格，最后自动拼成符合学术规范的 LaTeX 论文。

为了检验成色，研发团队之前做过一次大胆的测试：他们把 AI 全自动写出的三篇论文，在主办方知情同意的前提下，直接投给了 ICLR 2025 的 ICBINB 研讨会接受人类同行盲审。

结果其中一篇论文拿到了 6.33 的平均分（三位审稿人分别打出 6 分、7 分和 6 分），不仅超过了研讨会的录用线，得分甚至压过了同场 55% 的人类学者论文。当然，按照事先的约定，团队在评审通过后就主动把论文撤回了。

让 AI 当主编，还发现了「科研扩展定律」

论文写得再快，要是全靠人类学者去读，审稿系统早就被冲垮了。于是团队又做了一套「自动化审稿人」。

这个审稿系统模仿了学术会议领域主席的流程，按照 NeurIPS 的官方评审标准，汇总 5 份独立的审稿意见给出最终裁决。拿它跟 OpenReview 数据库里数千篇真实论文的人类评审记录一比，自动化审稿人的平衡准确率达到了 69%，和人类水平相当；在 F1 分数上，甚至超过了著名的 NeurIPS 2021 人类审稿一致性实验里的表现。

更值得琢磨的是团队发现的「科研扩展定律」。当他们把底层的基础模型从旧版本换成推理能力更强的新模型时，系统产出的论文评分也跟着水涨船高。

换句话说，只要底层的通用模型继续变聪明、算力成本继续下降，AI 搞科研的质量就会自动变好，根本不需要给科研流程本身做太多修补。

为什么重要

我们认为，The AI Scientist 登上《Nature》，最直接的意义在于给「AI 改变科学研究」画出了一条极具参考价值的流水线。

对普通研究人员和高校研究生来说，指望它现在就替你做出诺贝尔奖级别的突破肯定不现实。但把它当成一个低成本的实验助手却非常合拍：用它在夜里批量验证十几个天马行空的猜想，或者让它帮忙扫清模板化的消融实验，能省去大量重复造轮子的苦力活。

但这里的隐患也写得很清楚。当全自动科研和自动化审稿同时成真，学术界很可能会面临海量「平庸但挑不出硬伤」的合成论文轰炸。如果 AI 写的论文再由 AI 来审，这种自我强化的循环极容易掩盖事实错误或代码逻辑漏洞，甚至让学术搜索彻底被 AI 垃圾淹没。

Sakana AI 聪明的地方在于没有把系统锁在封闭环境里，而是把代码和生成论文完整开源，还把局限性坦白摆在桌面上。现在的 AI 科学家擅长的是在既有框架里做排列组合与微调实验，真正的科学跃迁依然需要人类提出反直觉的根本问题。未来科研分工的大趋势很可能是人类退居二线充当「项目总监」，把繁琐的验证与排版彻底交给机器。