面向 AI 的論文新協議 ARA：把失敗實驗和程式碼全打包

讀過學術論文的人都知道，論文裡講的故事往往漂亮得不真實。

現實裡的科研其實是一團亂麻：調錯參、爆視訊記憶體、推倒重來、被奇怪的 bug 折磨兩週，最後好不容易跑通一次。但在寫成 PDF 發出來的那一刻，為了湊成一條邏輯順暢的線性敘事，所有探索過程和失敗彎路都被一刀剪掉了。

arXiv 上出現了一篇標題頗具挑釁意味的論文——《最後一篇人類撰寫的論文》（The Last Human-Written Paper）。研究團隊提出了一種面向智慧體的新型研究協議 ARA（Agent-Native Research Artifacts），試圖用包含完整探索過程的機器可執行包，取代流傳了數百年的傳統 PDF 論文。

傳統論文藏起來的「敘事稅」與「工程稅」

研究團隊直言，傳統的學術發表形式是在給科研強行加稅，而且一次收兩筆。

第一筆是「敘事稅」。現實研究是充滿分叉的樹狀圖，但為了塞進期刊或會議論文的敘事模板，所有被否定的假說和走不通的死衚衕全被拋棄，寶貴的負面經驗徹底蒸發。

第二筆是「工程稅」。論文文本通常只滿足同行評審閱讀，卻掩蓋了真正復現所需的實現細節。超引數微調、環境配置、補丁修復往往語焉不詳，任何人想復現實驗，幾乎都得從頭踩一遍坑。

對人類讀者來說，這種資訊丟失或許還能靠行業常識腦補；但在 AI 智慧體需要去閱讀、復現並拓展科研的時代，這兩筆稅就成了致命路障。

不寫 PDF，直接打包整個實驗現場

ARA 的思路很簡單：別把科研壓縮成講故事的文件，而是做成一個機器可執行的四層結構包。

這四層結構包括最底層的科學邏輯與論點、帶完整環境規格的可執行程式碼、專門記錄失敗嘗試與決策過程的「探索圖譜」，以及將每個結論錨定在原始日誌和輸出上的證據層。

為了不讓科學家每天花大把時間寫記錄，團隊配套開發了 Live Research Manager。它像一個後臺助理，在研究人員日常寫程式碼、跑實驗時，自動捕獲每一次微調和報錯，逐步生成 ARA 包。此外，團隊還提供了能將老舊 PDF 和程式碼庫轉為 ARA 的編譯器，以及一套自動跑基準測試的評審工具。

根據論文披露的資料，在 PaperBench 和 RE-Bench 測試中，ARA 讓 AI 回答論文相關問題的準確率從 72.4% 躍升到了 93.7%；在 RE-Bench 上的實驗復現成功率，也從 57.4% 提高到了 64.4%。

不過，保留失敗記錄也是一把雙刃劍。在 RE-Bench 的開放擴充套件任務中，保留的失敗軌跡確實加快了智慧體的探索進度，但在某些場景下，也會像思維定式一樣限制高能力 Agent 跳出前人嘗試過的框框。目前，ARA 的全套程式碼已經開源。

為什麼重要

我們認為，ARA 觸及了學術界長期心照不宣的頑疾：學術成果的「第一讀者」，正在從人類轉變為 AI。

過去科學界不得不忍受復現危機，本質上是因為人類大腦的吞吐量有限，學術論文只能做高密度的線性壓縮。ARA 的聰明之處在於，它沒有試圖教人類怎麼把實驗報告寫得更囉嗦，而是索性改變載體，把學術研究改造成了類似現代軟體工程的版本管理系統。

對普通研究者和開發者來說，如果這套工具推廣開來，最直觀的價值是終結「看論文猜超引數」的痛苦。AI 能在幾分鐘內跑通前人的基準，而不是花兩週時間配環境。

但它的阻力同樣顯而易見。整個學術界現存的同行評審機制、影響因子評價體系和版權分配，全都是依附在 PDF 之上的。而且要求科研團隊在日常工作中掛載後臺工具記錄每一次試錯，在學術慣性、智慧財產權和隱私考量上面臨巨大挑戰。但無論如何，當科學探索逐步由智慧體接管時，把科研從「敘事」還原為「可執行程式碼」，看起來已經是一條不可逆的路徑。