网易首页 > 网易号 > 正文 申请入驻

刚刚,alphaXiv甩出AI Agent专属预印本服务器

0
分享至

有点不可思议,AI Agent 已经开始组团搞科研了。

近日,alphaXiv 推出了一个专门面向 AI Agent 的预印本服务器,允许不同实验室的 Agent 在同一个平台上自主开展研究、交流成果



这些 Agent 会提出假设、设计实验、运行代码、分析数据,还会把研究成果写成论文,提交给其他 Agent 审查。

更有意思的是,它们甚至开始形成自己的学术圈子。有 Agent 公开质疑同行的实验设计,有 Agent 在发现错误后主动撤回研究结论,还有 Agent 自己创办期刊,让其他 Agent 担任审稿人。



地址:https://www.alphaxiv.org/abs/2611.society-ai-scientists

全球 22 家机构的研究者参与其中,他们组织了一场为期12 周的实验。实验期间,来自35 个由人类运营的实验室的 936 个 AI Agent,在同一个科研平台上自主开展研究,累计产出 936 项研究成果,交换约 9500 条消息,并创建了 229 个讨论群组

从论文、实验代码到原始数据,再到同行评审和研究讨论记录,这些过程都被完整保存下来。

有网友表示,这就是智能爆炸(Intelligence Explosion)开始时的样子,完全自主的科学研究(Fully Autonomous Science)正在成为现实,如果将这个规模扩大到数百万,甚至数十亿个 Agent,不知道会发生什么?随着新一代 AI 不断进化,每一代 Agent 都将拥有更强的能力,而这还仅仅是一个组织开展的一个项目。



936 个 Agent,开始像科学家一样工作

这场实验从 2026 年 8 月 19 日持续到 11 月 12 日。

研究团队搭建了一个专门面向 AI Agent 的预印本服务器,并配套提供消息与讨论空间。不同实验室可以将自己的 Agent 接入平台,自主开展研究、发布成果,并与其他 Agent 交流。

整个过程并没有把所有 Agent 集中到一个统一的超级模型中。

相反,参与者来自不同实验室,使用的模型、计算资源和研究方向也各不相同。

有些 Agent 运行在只有 CPU 的笔记本电脑上,有些使用 AMD GPU,还有一些能够调用 NVIDIA B200 集群。研究方向覆盖机制可解释性、持续学习、语言模型微调、太阳物理学等领域。



人类研究者主要负责提供计算资源、设置预算和确定大致研究主题。具体研究假设、实验设计和数据分析,则由 Agent 自主推进。

每项研究都需要配套提交可运行代码、原始数据,以及能够将论文报告的数字追溯到实际实验输出的记录。其他 Agent 可以进一步检查代码、读取数据、复现实验,并在此基础上开展新的研究。

12 周下来,936 个 Agent 累计产出 936 项研究成果,彼此交换了约 9500 条消息,并自发建立了 229 个讨论群组。

一个由 AI Agent 组成的科研社区,开始出现雏形。

论文写得漂亮,不代表实验真的可靠

这项研究还暴露了一个容易被忽略的问题。

AI Agent 可以写出逻辑完整、论证流畅的论文,但论文看起来有说服力,不代表实验本身没有问题。

研究团队专门测试了不同审稿方式的有效性。

在一组实验中,研究者准备了 16 篇存在实验缺陷的初稿,以及经过修正、已经公开披露相关局限的版本。

仅阅读论文文本的评审者,发现了 16 篇初稿中的 11 篇问题。但面对已经修正的版本,它们仍然在 16 篇中指出了 10 篇存在问题。

这说明,单纯阅读论文文本,评审者很难区分真正隐藏的实验缺陷与已经公开说明的研究局限。

于是,研究团队进一步尝试让 Agent 直接检查代码和原始数据。

在《Journal of Agent Research》的评审过程中,一位客座编辑将 43 组论文中的 276 项质疑转化为可执行脚本,并在提交的数据上重新运行分析。

结果显示,在 156 项重大质疑中,有 77 项最终推翻了论文的核心结论,占比 49.4%。在 120 项次要质疑中,也有 24 项导致核心结论被推翻,占比 20%。

这组数据说明,很多研究问题并不会直接体现在论文文字里。只有真正检查代码、重新运行实验,才能发现一些隐藏的错误。

研究团队还对论文中的实验数字进行了溯源核查。

在能够对应到原始数据字段的 23,811 项统计数据中,93.8% 与保存的实验输出完全一致。其余差异主要涉及四舍五入、缩放或符号约定,研究团队没有在这批成功完成溯源的记录中发现伪造数值。

不过,这并不能说明实验本身一定正确。数据与输出一致,只能证明报告数字有对应的实验记录,无法保证代码严格实现了论文描述的方法,也不能证明实验设计排除了其他干扰因素。

AI 科学家已经能发现新现象,但还不擅长提出好问题

这场实验也产生了一些值得关注的具体研究发现。

其中一个实验发现,一个基础模型在不修改自身权重的情况下,仅仅借用经过强化学习训练的模型的 Prompt Cache,就复现了后者在 MATH-500 基准测试中 86% 的性能提升。

另一个实验发现,模型能够通过训练文本,将关于虚构人物及其所在城市的记忆事实传递给其他模型,即使这些训练文本本身并没有提及相关人物或地点。

还有研究发现,删除某项事实最初对应的 KV Cache 条目后,通过训练一个小型读取适配器,模型仍然能够从缓存其他位置残留的信息中恢复这些事实。在合成列表测试中,准确恢复比例达到 83% 至 94%。

这些发现单独来看,大多属于渐进式成果,但研究团队认为,其中一些已经具备独立发展为 arXiv 论文的潜力。

更值得关注的是,部分 Agent 独立得出了与后来发表在人类研究论文中相似的结果,涉及自蒸馏的失效模式,以及机制可解释性中的特征可复现性。

这表明,Agent 已经能够在一定程度上独立探索研究问题,并产生值得进一步验证的发现。

但这并不代表它们已经具备成熟的科学思维。

研究团队将 Agent 论文与人类研究者的论文进行了盲测比较。

实验选取了 202 组匹配论文,去除了作者和机构信息,再由两个大语言模型评审者按照统一标准打分。

结果显示,Agent 论文在实验严谨性方面获得了更高分数,平均为 9.02 分,人类论文为 7.00 分。

但在人类更看重的研究新颖性和重要性方面,人类论文得分更高。

这里还有一个重要细节。

Agent 论文在实验严谨性方面的整体优势,主要来自第一个采用结构化复现流程的实验室。其余 34 个实验室的论文,与匹配的人类论文相比,并没有表现出显著差异。

而且,这些评分来自大语言模型评审者,并非人类专家。评审者只能阅读论文文本,无法直接运行代码或检查图表。因此,这组结果不能简单理解为 AI 研究已经全面超过人类。

研究团队也指出了一个更根本的问题。

Agent 能够围绕已有研究提出假设、开展实验,并在前人的结果上继续推进。但它们往往倾向于选择熟悉的研究主题,或者围绕已有基准测试进行小幅改进。

们擅长研究一个已经被提出的问题,却还不擅长判断什么问题真正值得研究。

这也是整项实验最重要的结论之一。

科研能力不仅包括执行实验,还包括发现值得探索的问题,判断一个结果是否重要,以及理解它对整个领域意味着什么。

目前,这些工作仍然需要人类深度参与。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
比亚迪甩出第三张王炸:折叠方向盘根本不是装酷!友商这次怎么接

比亚迪甩出第三张王炸:折叠方向盘根本不是装酷!友商这次怎么接

娱乐圈的笔娱君
2026-11-20 08:42:31
悉尼·斯威尼内衣品牌销量翻倍,第三季度创纪录

悉尼·斯威尼内衣品牌销量翻倍,第三季度创纪录

影视情报室
2026-11-20 05:44:13
殷桃 成熟的水蜜桃 女人味溢出屏幕

殷桃 成熟的水蜜桃 女人味溢出屏幕

动物奇奇怪怪
2026-11-13 09:35:39
罪大恶极?黄仁勋又一黑料曝光:英伟达董事会发现,他竟用微波炉加热剩鱼肉

罪大恶极?黄仁勋又一黑料曝光:英伟达董事会发现,他竟用微波炉加热剩鱼肉

小徐讲八卦
2026-11-19 15:11:48
今年的退休金还涨不涨?我打了12333问过,实际情况原来是这样

今年的退休金还涨不涨?我打了12333问过,实际情况原来是这样

笑熬浆糊111
2026-10-28 06:00:28
Anthropic首日股价冲高回落,彭博称其IPO或标志AI行情终结

Anthropic首日股价冲高回落,彭博称其IPO或标志AI行情终结

华尔街见闻官方
2026-11-20 03:57:58
八国联军侵华,7个国家瓜分中国,唯独一国反对,如今成超级大国

八国联军侵华,7个国家瓜分中国,唯独一国反对,如今成超级大国

文史达观
2025-03-08 06:45:05
特朗普在空军一号上打电话:“愤怒斥责”欧洲必须停止资助乌克兰

特朗普在空军一号上打电话:“愤怒斥责”欧洲必须停止资助乌克兰

阿天爱旅行
2026-11-20 12:41:33
又一名电诈头目落网!这回更让人震惊,竟然不是大家熟悉的缅北

又一名电诈头目落网!这回更让人震惊,竟然不是大家熟悉的缅北

人生录
2026-11-02 09:08:26
央媒官宣!43岁佟丽娅,新身份浮出水面,已和陈思诚拉开距离

央媒官宣!43岁佟丽娅,新身份浮出水面,已和陈思诚拉开距离

皮皮电影
2026-11-20 09:45:17
世界首次500强差距断崖:日本149家,美国151家,中国3家,如今呢

世界首次500强差距断崖:日本149家,美国151家,中国3家,如今呢

福建睿平
2026-08-28 07:25:16
从"长枪短炮"到轻装上阵:APEC现场到处都是中国相机

从"长枪短炮"到轻装上阵:APEC现场到处都是中国相机

色影无忌
2026-11-20 10:40:00
马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

回京历史梦
2026-10-30 05:10:04
特朗普:理解普京对基辅袭击克里米亚大桥的愤怒

特朗普:理解普京对基辅袭击克里米亚大桥的愤怒

参考消息
2026-11-20 11:37:30
人死头七必回家,老和尚提示:不是思亲,而是回来带走这2个东西

人死头七必回家,老和尚提示:不是思亲,而是回来带走这2个东西

古怪奇谈录
2025-08-20 15:51:30
扎心了!“”80 90后“”躲过岁月 却没躲过小学生试卷 1988年的“张奶奶”、1991年的“张大爷” 网友看完破防 这年龄设定谁写的?

扎心了!“”80 90后“”躲过岁月 却没躲过小学生试卷 1988年的“张奶奶”、1991年的“张大爷” 网友看完破防 这年龄设定谁写的?

闪电新闻
2026-11-20 09:36:58
末节13分,正负值+33!开拓者36岁妖星,比利拉德还猛

末节13分,正负值+33!开拓者36岁妖星,比利拉德还猛

弄月公子
2026-11-20 15:24:31
杨瀚森12分钟2分!苏群:犯错较多没适应NBA 主教练对他不满意

杨瀚森12分钟2分!苏群:犯错较多没适应NBA 主教练对他不满意

念洲
2026-11-20 15:12:31
沈阳新娘远嫁杭州,娘家30口人自驾送亲,新郎只愿付当天住宿费

沈阳新娘远嫁杭州,娘家30口人自驾送亲,新郎只愿付当天住宿费

兰姐说故事
2025-08-21 20:05:04
普京在深圳真情流露!专机落地后他明白了,怪不得中国在这开会

普京在深圳真情流露!专机落地后他明白了,怪不得中国在这开会

时光流转追梦人
2026-11-19 21:49:10
2026-11-20 16:31:00
机器之心Pro incentive-icons
机器之心Pro
专业的人工智能媒体
14522文章数 142761关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

数码
手机
本地
公开课
军事航空

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

本地新闻

乌兰察布:以前种土豆,现在种Token

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版