The AI Scientist 登上 Nature：全流程做科研寫論文，曾通過頂會盲審

如果有一天，你給大模型一個寬泛的研究方向，它自己去讀文獻、想點子、寫程式碼跑實驗、畫圖表，最後直接吐出一篇排版整齊的 LaTeX 論文，科研人員是不是就可以提前下班了？

這還真不是段子。3 月 25 日，日本 AI 創業公司 Sakana AI 聯合不列顛哥倫比亞大學（UBC）、Vector 研究所和牛津大學，把他們歷時一年半打磨的科研自動化系統 The AI Scientist，正式推上了頂級科學期刊《Nature》。

拿過 6.33 分，曾悄悄通過頂會盲審

所謂 The AI Scientist，說白了就是一個由基礎大模型驅動的多智慧體系統。它的野心很大，要把機器學習科研的全生命週期全部自動化。

具體跑起來時，系統主要有兩種模式。一種是基於模板的開發，給它一個現成的基礎程式碼框架（比如跑一個簡單的 nanoGPT 訓練），它就在這上面做變體、做擴充套件，適合目標明確的任務；另一種則是無模板模式，不給任何起步程式碼，由它自由發揮、從頭搭實驗，用來做開放式探索。

它設計實驗時用上了並行的智慧體樹搜尋，自己寫程式碼、跑程式，甚至利用多模態視覺模型來檢查生成的圖表畫得合不合格，最後自動拼成符合學術規範的 LaTeX 論文。

為了檢驗成色，研發團隊之前做過一次大膽的測試：他們把 AI 全自動寫出的三篇論文，在主辦方知情同意的前提下，直接投給了 ICLR 2025 的 ICBINB 研討會接受人類同行盲審。

結果其中一篇論文拿到了 6.33 的平均分（三位審稿人分別打出 6 分、7 分和 6 分），不僅超過了研討會的錄用線，得分甚至壓過了同場 55% 的人類學者論文。當然，按照事先的約定，團隊在評審通過後就主動把論文撤回了。

讓 AI 當主編，還發現了「科研擴充套件定律」

論文寫得再快，要是全靠人類學者去讀，審稿系統早就被沖垮了。於是團隊又做了一套「自動化審稿人」。

這個審稿系統模仿了學術會議領域主席的流程，按照 NeurIPS 的官方評審標準，彙總 5 份獨立的審稿意見給出最終裁決。拿它跟 OpenReview 資料庫裡數千篇真實論文的人類評審記錄一比，自動化審稿人的平衡準確率達到了 69%，和人類水平相當；在 F1 分數上，甚至超過了著名的 NeurIPS 2021 人類審稿一致性實驗裡的表現。

更值得琢磨的是團隊發現的「科研擴充套件定律」。當他們把底層的基礎模型從舊版本換成推理能力更強的新模型時，系統產出的論文評分也跟著水漲船高。

換句話說，只要底層的通用模型繼續變聰明、算力成本繼續下降，AI 搞科研的質量就會自動變好，根本不需要給科研流程本身做太多修補。

為什麼重要

我們認為，The AI Scientist 登上《Nature》，最直接的意義在於給「AI 改變科學研究」畫出了一條極具參考價值的流水線。

對普通研究人員和高校研究生來說，指望它現在就替你做出諾貝爾獎級別的突破肯定不現實。但把它當成一個低成本的實驗助手卻非常合拍：用它在夜裡批次驗證十幾個天馬行空的猜想，或者讓它幫忙掃清模板化的消融實驗，能省去大量重複造輪子的苦力活。

但這裡的隱患也寫得很清楚。當全自動科研和自動化審稿同時成真，學術界很可能會面臨海量「平庸但挑不出硬傷」的合成論文轟炸。如果 AI 寫的論文再由 AI 來審，這種自我強化的迴圈極容易掩蓋事實錯誤或程式碼邏輯漏洞，甚至讓學術搜尋徹底被 AI 垃圾淹沒。

Sakana AI 聰明的地方在於沒有把系統鎖在封閉環境裡，而是把程式碼和生成論文完整開源，還把侷限性坦白擺在桌面上。現在的 AI 科學家擅長的是在既有框架裡做排列組合與微調實驗，真正的科學躍遷依然需要人類提出反直覺的根本問題。未來科研分工的大趨勢很可能是人類退居二線充當「專案總監」，把繁瑣的驗證與排版徹底交給機器。