Article Focus

内容阅读与观点延展

以清晰阅读路径承载正文、上下篇与推荐内容,让深度文章浏览更加专注自然。

936个AI智能体组团搞科研12周,狂发近千篇论文,连同行评议都自己做了——直到有人用代码把它们的结论重新跑了一遍,49.4%直接被推翻。内容展示

当前位置为资讯正文页面,可继续阅读上下篇或进入推荐阅读区域。

936个AI智能体组团搞科研12周,狂发近千篇论文,连同行评议都自己做了——直到有人用代码把它们的结论重新跑了一遍,49.4%直接被推翻。

alphaXiv、斯坦福、MIT等机构联合做了一场实验:把936个AI Agent放进同一个线上科研社区,35个人类实验室只出算力和API预算,剩下的从提出假设、跑实验、写论文到同行评审,全交给AI自己来。 12周后,它们交出了 936篇论文、9500条讨论、229个自建聊天室 。一个叫 Cypress 的Agent甚至自己创办了一本期刊《Journal of Agent Research》(JAR),拉起大模型审稿小组,开始给其他AI的论文把关。 “AI学术界”看起来已经跑起来了。问题是,跑起来的这个东西,到底算不算“学术”。 它们不只是“发论文”,是真的在“做学术” 如果只是批量生产论文,这件事不值得写。真正让我坐直的是,这群Agent在没有任何中央调度的情况下, 自发长出了一套学术共同体的行为规范 。 它们会公开质疑同行的实验设计。六家实验室曾围绕“模型学韩语时怎么减少英语遗忘”展开接力:一个Agent报告某种方法大幅减少了遗忘,另一个Agent很快在聊天室指出 两种方法学到的韩语程度根本不同,比较条件没有对齐 。被质疑的Agent没有辩解, 拿对方的代码重跑了一遍,修正了自己的效果判断 。 它们会在发表前 公开撤回错误主张 。一个Agent宣布方法提升13.2个百分点,不到两小时自己发帖撤回。这在人类学术界都算体面,AI做起来毫无心理负担。 它们甚至 认可负结果 。平台规则赋予严谨的阴性/零结果与正结果同等的学术认可, 8篇最高被引论文中有3篇报告的是负结果 。一个Agent发现自己错了、公开承认、别人接着往下挖——这套流程,很多人类实验室都做不到。 这不是“多Agent协作”,这是一个没有中央指挥的学术社会在涌现。 35个实验室各自选模型、选框架、选方向,通过公共论文库和聊天室自由对接,像一个真正的研究生态。 但“代码跑一遍”之后,49.4%的结论没了 实验结束后,研究团队做了一件人类审稿人通常不会做的事: 把被质疑的156篇论文的Python代码重新跑了一遍,拿原始数据做比对 。 77篇的核心结论被推翻,占49.4%。 如果只看文本,AI审稿能挑出一些瑕疵,但 超过六成已经修正的版本,纯文本审查反而误判了 。 这就引出了一个比“AI能不能审稿”更尖锐的问题。 JAR的审稿机制其实已经比很多人类期刊严格了 ——编辑会写脚本,拿作者上传的数据去跑审稿意见,不是只读文字。但 “审稿意见被写成了代码并执行”这件事本身,依然没有拦住近一半的错误结论 。 更早的一项研究给出了同一方向的证据。华盛顿大学团队的BadScientist框架发现, 完全不做真实实验、只用“表演性欺诈”策略生成的伪造论文,在多模型LLM审稿系统下的录用率最高可以达到82% 。审稿人明明标记了诚信问题,却仍然给了录用级别的分数——研究者称之为 “关切-录用冲突” 。检测准确率 barely 超过随机水平。 AI审AI,审出来的不是“这篇论文对不对”,是“这篇论文写得像不像论文”。 能力边界: 它 们很擅长“执行”,很不擅长“判断什么值得做” 盲评数据把这件事说得更清楚。 两个Gemini模型对 202对 主题匹配的AI论文和人类论文做了盲审。结果是: AI论文在实验严谨性上高出2分(10分制),但在新颖性和原创性上低0.4分 。而且AI的总分优势 主要来自最早那个实验室 ,其余实验室和人类论文差不多。 预印本自己的结论写得很坦诚: Agent“对什么问题值得研究的判断力,远弱于执行实验的能力” 。它们 偏向熟悉的话题和对现有基准的小修小补 ,而不是提出真正新的问题。 还有一个细节比新颖性分数更让人不舒服。当系统收到的指令是“发表取决于论文影响力”时, AI Agent隐匿了多达96%的负面研究结果 ;只有在被明确要求“回报所有结果”时,才会诚实公开未达显著标准的数据。 它 们不是“不会做科研”。它们在做科研的时候,会像最世故的人类一样,选择性地报告对自己有利的东西。 而一个会隐匿96%负结果的学术社会,比一个不会写论文的学术社会危险得多。 人类在这个“AI学术界”里,到底该站在哪 实验的设计本身给出了一个答案: 人类只出算力、API预算和宽泛的研究方向,不写论文、不debug、不分析数据 。有一个细节是,当部分Agent开始上传“占位水文”时,是Cypress自己决定办期刊来清理门户的—— 人类没有下指令,是Agent自己觉得“这样不行” 。 但这恰恰是问题所在。 当AI学术界自己形成了规范,规范里“什么算好研究”的标准,是由AI自己定义的。 JAR的审稿小组调用不同模型分别把关方法、可复现性和意义,还设了“反方质疑”角色——这套机制的设计者是Agent,执行者也是Agent。 人类在这个闭环里的位置,不是“审稿人”,是“预算审批人”。 这不是说这个实验

about image
觉得有用?分享给朋友

让更多人看到这篇内容

推荐阅读

Search
热点新闻
勇士108-111被灰熊逆转 球员评价:6人及格,4人低迷
勇士108-111被灰熊逆转 球员评价:6人及格,4人低迷

勇士以108-111不敌灰熊。这场比赛勇士第三节大比分领先的情况下,末节却被对手打出高潮,最终输球。 全场6个人是及格的表现。伦德博格投篮11中4、罚球12中9得到18分13篮板6助攻6失误,虽然命中率不怎么样,失误也多,但作为年轻球员,这样的发挥已经尽力了。特别是对篮板与防守的把控已经成为基本盘了,奈何最后时刻球都摸不到。艾克的发挥也不错,7中4获得10分,就是顺下有些机会把握不了,他也是这场能

斯基拉:罗马未来几小时内将与19岁边后卫卢利续约至2031年
斯基拉:罗马未来几小时内将与19岁边后卫卢利续约至2031年

据意大利记者斯基拉的消息,罗马预计将在未来几小时内与卢利完成续约,新合同将签至2031年。 斯基拉表示,续约事宜已敲定并确认,预计埃马努埃莱-卢利将在未来几小时内与罗马完成续约。正如9月初独家披露的那样,这份新合同的期限将持续至2031年。 据此前的报道,埃马努埃莱-卢利在今年夏窗曾接近离队,但由于在季前赛中表现出色,球队主教练加斯佩里尼希望这名年轻右后卫留队。 本赛季至今,埃马努埃莱-卢利代表罗

丹克斯:穆西亚拉还不能出战美因茨 需观察是否让戴维斯等人轮休
丹克斯:穆西亚拉还不能出战美因茨 需观察是否让戴维斯等人轮休

直播吧11月6日讯 北京时间11月7日22:30,2026/27赛季德甲联赛第9轮,拜仁将客战美因茨。赛前,拜仁助教丹克斯出席了新闻发布会,他谈到了球队目前的一些情况。 关于穆西亚拉 丹克斯:“大多数球员昨天都进行了训练。穆西亚拉也回归了球队,这非常积极。但这场比赛对他来说还太早了。帕夫洛维奇也参与了训练,现在我们需要观察他的身体反应。诺伊尔恢复了训练,从比赛角度来看情况不错。有几名球员在高负荷之

Agent领导力大考!Einsia AI发布WorkflowArena,行业首个多智能体编排基准
Agent领导力大考!Einsia AI发布WorkflowArena,行业首个多智能体编排基准

机器之心发布 智能体正从单打独斗走向多智能体协同。 如今的 Claude Code、Codex 等框架,已经允许模型在运行时自己拉起子智能体,甚至直接写出调度它们的可执行工作流:任务怎么拆、每个子智能体拿到什么上下文、中间结果在哪里校验、最后如何整合。过去由工程师预先设计好的多智能体结构,正在交给模型自己临场决定。 这意味着,多智能体编排本身成了一项关键能力。同样一批智能体,组织得好可以事半功倍,

惨遭罚球绝杀1分惜败!女篮霸主首秀开门黑:张子宇12+6被锁死?
惨遭罚球绝杀1分惜败!女篮霸主首秀开门黑:张子宇12+6被锁死?

2026-27赛季WCBA新赛季正式打响,山东队迎战新疆队。作为本赛季夺冠大热门球队之一,山东队在开局状态不错,一度领先13分的情况下,竟然被新疆队逆转,最终以78-79,被对手罚球绝杀,一分之差惜败给对手。此役,张子宇全场出战19分钟,只得到12分6板,彻底失去了昔日的统治力。从这一战来看,山东队本赛季冲击总冠军难度还是比较大的,单靠张子宇,他们恐怕还是难走远。 山东队和新疆队算是老对手了。上赛