AI科學家登上Nature，論文從構思到發表全自動化，一篇已通過評審

幾小時前，Nature 宣布了真正意義上的 AI 科學家的首次實現。由“Transformer 八子”之一聯合創辦的日本 Sakana AI 與英國牛津大學、英屬哥倫比亞大學的研究團隊打造了一個從零開始搞科研的 AI，實現了從構思到論文發表的完整端到端自動化，并有 AI 論文通過國際頂會 ICLR 2025 同行評審，這是 AI 科研范式的突破，觸及了人類創造力的邊界。

圖 | 被選中的 AI 論文節選（來源：https://www.nature.com/art）

值得注意的是，來自英國牛津大學的 Chris Lu 和來自英屬哥倫比亞大學的 Cong Lu 是共同一作之一。

圖 | 從左到右：Chris Lu 和 Cong Lu（來源：資料圖）

研究中，他們造出了一個叫 AI 科學家（ AI Scientist）的系統，從想點子、寫代碼、跑實驗、分析數據，到寫論文、自己審稿，全由AI自己完成。

更讓人震驚的是，其中一篇完全由AI生成的論文，投到了 ICLR 2025 的一個研討會，拿到了 6 分、7 分、6 分的評審分數，超過了這個研討會平均的錄取線。這篇論文如果沒被主動撤稿，大概率會被接收。

（來源：https://www.nature.com/articles/s41586-026-10265-5）

據了解，AI 科學家的工作流程分成四塊。

第一步是想點子。

它被喂進一個研究領域后，會自己生成一批研究方向，每一條都帶著標題、研究理由、實驗方案，還給自己打分，有趣程度、新穎程度、可行性，1 到 10 分自己評。然后它連上 Semantic Scholar 的學術搜索引擎，把跟已有工作太像的點子扔掉。

第二步是做實驗。

這里分兩種模式。

第一種是模板模式，研究人員先給它一段能跑通的代碼做起點，它在這個基礎上想新點子，然后叫一個叫 Aider 的代碼助手來改代碼、跑實驗，出錯了自己看日志、自己修，修好了繼續跑。

另一種是無模板模式，它連起點代碼都沒有，得從零開始寫。這時候它會搞一個樹形搜索，一個點子長出好幾個分支，每個分支跑不同參數、不同設置，跑完一輪選最好的那個繼續往下走。這個過程會并行跑很多個節點，誰效果好誰被選中繼續深挖。

第三步是寫論文。

它把自己實驗里記的筆記、生成的圖表填進一個標準的 LaTeX 模板里，一節一節地寫，引言、方法、結果、結論，全齊。要寫相關工作部分的時候，它再去查 Semantic Scholar，把相關的論文找出來，然后讀摘要和寫引用。寫完還會自己編譯 LaTeX，報錯了自己改，最多可以改五次，直到出一份能看的 PDF。

第四步是自己審稿。

研究團隊還造了一個自動化審稿器，照著 NeurIPS 的審稿指南，對論文打分，給優點、缺點、倫理問題，最后給一個接受或拒絕的建議。五份獨立審稿結果匯總，再由它自己當領域主席做一個綜合判斷。

這個自動化審稿器不是隨便做的，研究團隊拿它跟真實的人類審稿記錄做了對比。他們從 OpenReview 上拿了 ICLR 的論文數據，讓自動化審稿器打分，結果它的平衡準確率達到 了69%，跟人類審稿人的 66% 差不多。

在 F1 分數上，它甚至比 NeurIPS 2021 那個著名的審稿一致性實驗里的人類審稿人之間的一致性還高。這意味著自動化審稿器打出來的分數，跟一個真實的人類審稿專家基本在一個水平線上。

他們還專門測了數據污染的問題。模型訓練時用的數據可能包含 2017 到 2024 年的論文，所以他們又拿 2025 年出的新論文測了一遍，結果平衡準確率降到了 66%，仍然和人類審稿人持平。這說明自動化審稿器不是靠背答案，它其實是真的能夠自己判斷論文質量。

（來源：https://www.nature.com/articles/s41586-026-10265-5）

研究團隊還發現了一個規律，AI 科學家生成的論文質量，跟它底下用的基礎模型強相關。他們用不同時間發布的模型跑同一套流程，從較老的模型到最新的模型，生成的論文評分一直在漲。這說明隨著基礎模型越來越強，AI 科學家寫出來的論文也會越來越接近人類水平。

同時，給 AI 科學家分配的計算資源越多，它寫出來的論文質量也越高。這有點像給一個研究生更多時間做實驗，最后成果也會更好。這兩個趨勢加在一起，意味著未來 AI 科學家的能力會隨著模型升級和算力增長持續提升。

（來源：Nature）

被研討會評審看上的那篇論文，研究的是深度學習里的一個負向結果，正好契合那個叫 ICBINB 的研討會主題。這篇論文由AI科學家在無模板模式下生成，從頭到尾沒有人類修改過。它從選題、設計實驗、跑代碼、出圖表、寫 LaTeX，全部是自己完成的。

研究團隊一共投了三篇，只有這一篇過了線，另外兩篇沒達標。這說明 AI 科學家目前還不是每次都能寫出高質量論文，但這明確證明 AI 寫出來的東西已經能騙過人類審稿人，讓它以為自己是在審一個人類研究生的作業。

當然，AI 科學家現在還遠不夠完美。它偶爾會想出很幼稚的點子，方法論不夠嚴謹，寫代碼時會出各種 bug，還會產生幻覺，比如引文明明是錯的它硬說對，或者附錄里把同一張圖放兩遍。

不過，研究團隊發現在機器學習這個領域，很多技術剛出現時都不完美，甚至漏洞百出，但只要它能讓做出來這件事本身成立，后續通過擴大規模、更好的模型、更優的技術，這項能力就會迅速提升，進而很快超越人類水平。

總的來說，這項工作的意義遠遠不止讓 AI 寫幾篇論文，它把整個科研流程從頭到尾連起來了，從想點子到做實驗到寫論文到審稿，全在計算機里跑通。

未來可以用 AI 來加速科研，比如在藥物發現、材料設計、氣候建模這些領域，讓 AI 科學家 7×24 小時地跑實驗、試方向，而人類科學家只需要在關鍵節點做判斷和選擇。

同時，研究團隊在論文最后也提到了風險，比如AI論文洪流可能會壓垮現有的審稿系統，或者有人拿 AI 灌水、批量發假論文。所以他們主動把投出去的論文撤回來了，也在所有生成的論文里加了水印，方便識別。他們還建議學術界盡快建立規范，告訴人們 AI 寫的論文應該怎么標注和怎么對待。

參考資料：

相關論文https://www.nature.com/articles/s41586-026-10265-5

https://www.linkedin.com/in/chris-lu-37471b119/

https://chrislu.page/

https://www.linkedin.com/in/cong-lu-530b74104/

https://www.conglu.co.uk/

https://sakana.ai/ai-scientist-nature/

運營/排版：何晨龍