Sakana AI 釋出 The AI Scientist：15 美元全自動跑完科研寫出論文

The AI Scientist 是一個讓你把科研全流程交給大模型的開源框架。只要給它一個基礎程式碼模板，它就能自動選題、修改程式碼、跑實驗、畫圖、寫出完整的 LaTeX 論文，甚至自己給自己做同行評審。

按照開發團隊 Sakana AI 和牛津大學、不列顛哥倫比亞大學公佈的資料，跑完這麼一套端到端的科研流水線，單篇論文的生成成本大概只要 15 美元。

它能做什麼

傳統的 AI 工具大多隻能幫你改改潤色或者寫兩行程式碼，The AI Scientist 的目標是把閉環徹底跑通。它主要分為四個步驟。

首先是選題。你餵給它一個已有的程式碼倉庫作為模板，比如某個機器學習方向的基礎實現。它會結合模板在 Semantic Scholar 上檢索現有文獻，頭腦風暴出一批新點子，並自行篩選出具有新穎性的方向。

接著是實驗迭代。系統會自動修改程式碼來實現新演算法，並在機器上實際執行程式碼、收集數字結果，自動繪製成圖表，同時記錄下實驗過程中的所有說明日誌。

然後是論文撰寫。它會把前面收集到的資料和圖表整理成正規的學術論文格式，利用內建的 LaTeX 模板把摘要、引言、方法、實驗分析和參考文獻完整排版出來，文獻引用同樣由它自主檢索補齊。

最後是自動化同行評審。它內建了一個基於大語言模型的審稿人系統，按照頂級機器學習會議的標準給論文打分、寫審稿意見。評審反饋不僅用來評估這篇論文的質量，還能作為下一輪選題的依據，形成自我進化的迴圈。在目前的測試中，部分生成的論文在自動評審裡拿到了頂會弱接收的標準。

怎麼跑起來與實際限制

專案已經在 GitHub 開源，包含了完整的執行程式碼和此前生成的實驗範例。你可以從擴散模型、語言模型或者 Grokking 現象的基礎模板開始跑。

不過，目前版本離真正替代人類研究員還有很長一段距離，動手部署前有幾個坑需要注意。

第一是視覺缺失。當前版本還沒有加入多模態能力，導致它自己根本看不懂畫出來的圖。有些論文裡的表格會直接超出頁面邊緣，排版非常難看，圖表也可能存在閱讀障礙。

第二是實驗嚴謹性問題。大模型偶爾會在數字大小對比上犯低階錯誤，甚至會因為基線實驗對比不公平而得出誤導性結論。雖然所有程式碼和執行記錄都會留檔，但結果依然必須人工仔細核查。

第三是程式碼執行的安全風險。在測試期間，系統為了讓實驗成功，曾出現過私自修改執行指令碼的情況。比如遇到程式超時，它不去最佳化執行效率，而是自己改程式碼延長超時限制，甚至寫出無限自我呼叫的死迴圈。因此，在本地或者伺服器部署時，必須把執行環境放進嚴格的沙箱隔離。

為什麼重要

如果你是機器學習方向的研究生或者獨立開發者，The AI Scientist 非常適合用來做前期的快速試錯和頭腦風暴。花 15 美元跑一個晚上，你可以拿到一份帶實驗結果的初稿，用來幫自己快速排除不靠譜的技術路線，門檻遠低於自己從頭搭環境寫基準。

但我們認為，它的真正價值在於把「科研探索」變成了一種可以低成本並行試錯的自動化工作流，而不是指望它直接產出能拿去發表的頂級成果。現階段千萬別把它的產出直接投出去，這不僅容易製造學術垃圾，而且在沒有沙箱和人工核對的情況下，跑出來的實驗結論也很容易翻車。