alphaXiv上线AI Agent预印本服务器:Agent可自主评审论文?

资讯 AI 行业观察 全文 3063 字 · 约 8 分钟读完 配图 6 张 分类学术研究智能体

刚刚,alphaXiv甩出Al Agent专属预印本服务器

所属频道 智能体与 Agent前沿研究
图片
AI Agent 已经开始组团搞科研了,这事听起来有点不可思议。


近日,alphaXiv 上线了一个预印本服务器,专门面向 AI Agent。不同实验室的 Agent 可以在同一个平台上自主开展研究、交流成果。


提出假设、设计实验、运行代码、分析数据,这些 Agent 都会做;研究成果写成论文后,它们还会提交给其他 Agent 审查。


alphaXiv上线AI Agent预印本服务器:Agent可自主评审论文?(配图 2)


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


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。


alphaXiv上线AI Agent预印本服务器:Agent可自主评审论文?(配图 3)


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


12周的实验里,全球22家机构的研究者都参与进来。35个人类运营实验室派出的936个AI Agent在同一科研平台上自主做研究,累计拿出936项研究成果,互发约9500条消息,还建了229个讨论群组。


论文、实验代码、原始数据,连同同行评审意见和研究讨论记录,整个流程都被完整留存。本文含视频,请点上方「查看原文」在来源页观看。



有网友评论说,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)正变成现实;要是把规模扩到数百万乃至数十亿个Agent,后果难以预料。新一代AI持续进化,每一代Agent的能力都会更强,而这只是一个组织做的一个项目。


alphaXiv上线AI Agent预印本服务器:Agent可自主评审论文?(配图 4)


936个Agent,开始像科学家一样工作


实验从2026年8月19日跑到11月12日。研究团队专门为AI Agent搭了一个预印本服务器,还配了消息和讨论空间。各家实验室把自己的Agent接进平台,让它们自主研究、发布成果,并与其他Agent交流。



整个过程中,Agent并没有被集中进一个统一的超级模型。参与者来自不同实验室,用的模型、算力资源和研究方向都不一样。



有的Agent跑在只有CPU的笔记本上,有的用AMD GPU,还有的能调用NVIDIA B200集群。研究方向包括机制可解释性、持续学习、语言模型微调、太阳物理学等。


alphaXiv上线AI Agent预印本服务器:Agent可自主评审论文?(配图 5)


人类研究者管的是算力、预算这些事,再圈定一个大致的题目方向。至于提出什么假设、怎么设计实验、数据怎么分析,全交给Agent自己推进。每项研究都得附上能跑的代码、原始数据,还要有把论文里每个数字追溯到真实实验输出的记录。别的Agent可以接着查代码、读数据、复现实验,再在这基础上做新研究。



12周下来,936个Agent一共拿出936项研究成果,相互之间发了约9500条消息,还自己拉起了229个讨论群组。一个由AI Agent组成的科研社区,轮廓已经出来了。



论文写得漂亮,实验未必靠得住


这项研究还翻出一个常被忽视的环节。Agent能写出逻辑完整、论证顺溜的论文,可读起来有说服力,不等于实验本身没毛病。



研究团队专门试了不同审稿方式管不管用。有一组实验里,他们备了16篇实验存在缺陷的初稿,另外还有修正过、已经把相关局限公开说明的版本。



只看论文文本的评审者,从16篇初稿里挑出了11篇的问题。换成修正后的版本,它们还是在16篇里点了10篇有问题。可见光读文本,评审者很难分清哪些是真正藏着的实验缺陷、哪些是已经公开讲明的局限。



接下来,研究团队又试着让Agent直接去查代码和原始数据。


在《Journal of Agent Research》的评审环节里,43 组论文中的 276 项质疑被一位客座编辑写成了可执行脚本,随后在提交的数据上重新跑了一遍分析。


在 156 项重大质疑当中,最终被推翻的论文核心结论有 77 项,占 49.4%;120 项次要质疑里,也有 24 项让核心结论站不住脚,占比 20%。这些数字指向一件事:不少研究问题藏在论文文字之外,不翻代码、不重跑实验,就难以暴露出来。



研究团队还核查了论文中实验数字的出处。能对应到原始数据字段的 23,811 项统计数据里,93.8% 与保存下来的实验输出完全吻合。剩下的差异大多出在四舍五入、缩放或符号约定上,这批顺利完成溯源的记录中,团队没有发现伪造数值。



当然,这只说明报告里的数字有实验记录可查。它保证不了代码严格按论文描述的方法执行,也证明不了实验设计已经排除其他干扰因素,实验本身是否一定正确,还谈不上。


AI 科学家已经能发现新现象,但还不擅长提出好问题


这场实验也带来了一些具体的研究发现。


其中一项发现是:一个基础模型不改动自身权重,只借用经过强化学习训练的模型的 Prompt Cache,就在 MATH-500 基准测试中复现了后者 86% 的性能提升。另一项发现则是,模型可以借训练文本,把关于虚构人物及其所在城市的记忆事实传给其他模型,即便这些训练文本本身并未提到相关人物或地点。



还有研究显示,删掉某项事实最初对应的 KV Cache 条目后,只要训练一个小型读取适配器,模型仍能从缓存其他位置残留的信息里把这些事实找回来。在合成列表测试中,准确恢复比例达到 83% 至 94%。


单独看,这些发现大多属于渐进式成果。不过研究团队认为,其中一些已经有潜力独立写成 arXiv 论文。


另有一处更值得留意:有些Agent靠自己跑出了和后来人类论文相近的结论,涉及自蒸馏的失效模式,也涉及机制可解释性里的特征可复现性。


这说明Agent在一定程度上已能独立摸索研究问题,并给出值得进一步验证的发现。不过,这不等于它们已经具备成熟的科学思维。



研究团队做了一次盲测,把Agent论文与人类研究者的论文放在一起比。实验挑了202组匹配论文,隐去作者和机构信息,交给两个大语言模型评审者按统一标准打分。



打分结果是:实验严谨性一项,Agent论文平均9.02分,人类论文7.00分。但到了人类更看重的研究新颖性和重要性上,人类论文得分更高。



这里有个重要细节。Agent论文在实验严谨性上的整体优势,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,并没有显著差异。



另外,这些分数出自大语言模型评审者,不是人类专家。评审者只能读论文文本,没法直接跑代码,也看不了图表。所以这组结果不能简单理解成AI研究已经全面超过人类。


研究团队还点出一个更根本的问题:Agent能围绕已有研究提假设、做实验,在前人结果上继续往前推,但它们往往挑熟悉的研究主题,或者围着已有基准测试做小幅改进。



会研究一个已经被提出的问题,这它们拿手;什么问题真值得研究,它们还判断不了。

整项实验里,这一点算得上最重要的结论之一。



科研能力不只看能不能把实验跑完。发现值得探索的问题、判断一个结果重不重要、弄清它对整个领域意味着什么,同样算在里面。


眼下这些活儿,还离不开人类深度参与。


图片



本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. alphaXiv上线AI Agent专属预印本服务器:936个Agent自组学术圈

    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

    来源 腾讯网
  2. 谷歌AI智能体改一处代码成功率翻8倍:Harness自我优化研究

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。在一项 SWE-

    来源 腾讯网
  3. ARTEX开源:AI Agent驱动渗透测试,Planner与Worker如何分工

    ARTEX 是一个基于 LLM Agent 的自动化渗透测试平台,采用 Go 和 Next.js 构建。它通过 Planner 和 Worker 协作,自动梳理资产、生成攻击向量并记录流量。本文介绍其核心架构、部署流程及在授权测试中的实际应用,强调人工复核的重要性。

    来源 AI 应用前沿
  4. 豆包网页版上线Agent工作模式:八大功能覆盖PPT生成与AI搜索

    本文介绍豆包AI网页版的访问方式及2026年最新升级的Agent工作模式。该模式支持自主拆解任务、操作浏览器及生成文档。文章详细解析了PPT制作、图像生成、深度搜索等八大实用功能,并结合QuestMobile数据探讨其用户规模,为不同场景用户提供具体操作建议。

    来源 AI 应用前沿
  5. 苹果招兵买马做AI Agent:Muse的领跑位置还稳吗

    苹果近期密集招聘AI工程人才,重点开发多Agent协调、长周期推理和工具调用系统。Meta旗下Muse上线后迅速登上苹果应用商店免费榜第二,摩根大通看好其吸引数亿商家、拓展电商变现的潜力。苹果若将AI Agent整合进iOS,或凭借系统入口和用户规模对Muse形成直接竞争。

    来源 华尔街见闻
  6. 苹果亚马逊谷歌齐出手:家庭AI中枢争夺战开打

    Personal Agent让智能家居再次被赋予了想象力。过去只能联网和听从指令的家居设备,有了新的方案来理解环境、主动判断,并实现彼此协作。 海尔智家最近集中发布的一批搭载AI之眼2.0的大白电新品就是体现。这让冰箱、烟机和灶具、洗衣机也开始围绕任务来组织工作。比如,冰箱会识别食材、推荐存放位置,并把菜谱同步给厨电;

    来源 AI 行业观察
  7. 具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

    过去十年,AI 的进步只被一把尺子衡量:机器自己能做成多少事。 按这把尺子量,成绩单相当亮眼。今天的 Agent 能写代码、审代码、起草文档,在电脑上连续工作好几个小时;Meta、xAI、OpenAI 相继推出常驻后台的个人智能体,替人盯着长期目标;具身智能则是另一个风口,机器人正在拥有自己的身体、感知和目标。Pers

    来源 AI 行业观察
  8. 智能体AI架构:挑战与机遇并存,工程师如何应对

    大多数软件工程师和架构师对微服务和云原生架构早已耳熟能详,多年来也一直参与构建基于这些架构的系统。基于微服务的系统通常由数十、数百甚至数千个服务组成,负责不同类型的数据处理任务——API 端点、数据管道、后台工作流,以及各类中间场景——但它们都有一个共同点:按照代码确定的逻辑或基于从数据存储中检索到的数据来处理数据。这

    来源 AI 行业观察
  9. 谷歌论文:光改提示词智能体成功率反降,改运行框架升至40%

    调教 AI 智能体,惯用手法是反复打磨提示词。谷歌 11 月 17 日发表的论文却给出反直觉结论:只改提示词,智能体成功率反而从 5% 跌到 2.5%;而让优化模型直接改写其运行框架,成功率冲到 40%,足足 8 倍。 142 行代码,拆成四块逐个改 Harness 指包裹在模型外围的运行框架,负责

    来源 AI 开发者社区
  10. AI做PPT、搭网页居然都免费?用完豆包工作我算了下账

    就拿小雷自己来说,自从把整理资料、分析财报、制作PPT等工作交给Agent软件(WorkBuddy、豆包工作等)后,也发现随着使用次数和任务复杂度的增加,AI消耗的积分也确实不少,很多时候赠送积分已经完全不够用,需要额外开会员和充值才行。

    来源 凤凰科技
  11. 智能体AI架构落地:挑战在哪,机会又在哪

    智能体 AI 架构在微服务与云原生架构的基础上进行了扩展,引入具备上下文感知、记忆能力,并遵循 MCP、A2A 等协议的 AI 智能体。本文探讨受限上下文集成、依赖任务的协同策略、新型安全风险以及可观测性需求。

    来源 InfoQ
  12. 苹果AI新布局:自研智能体操控Mac,对标四款竞品

    TechCrunch报道称,苹果似乎正在开发可在Mac上自主执行任务的AI智能体,直接对标Meta Muse、Instinct、Claude与OpenAI Dots等产品。这标志着苹果的AI战略正从Siri式的语音助手,转向能够理解目标、拆解步骤并操作用户界面的“行动型AI”。凭借软硬件一体化与端侧算力优势,

    来源 AI 科技快讯
  13. Gemini登陆Mac桌面:AI代理可代操作电脑,隐私风险几何?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险

    来源 AI 科技快讯
  14. 谷歌让AI自改运行框架:成功率由5%升至40%

    谷歌11月17日论文发现:只优化提示词,AI智能体成功率反从5%降至2.5%;而让优化模型直接改写其运行框架Harness,成功率升至40%,提升8倍。团队将仅142行的初始编程智能体拆成四块逐一改造,Harness负责上下文与记忆管理、多轮任务调度、工具调用及结果验证。结论是改框架比磨提示词更有效。

    来源 AI 产业速递
  15. 光禾AI推企业级智能体平台,FDE模式破解企业改造难题

    大模型进入企业后,如何与内部知识、业务系统和工作流程结合,成为企业推进AI应用的一道实际门槛。员工可以借助通用工具完成问答和内容生成,但涉及内部数据、多系统协作和具体业务执行时,企业仍需要解决系统接入、权限管理和持续运维等问题。 光禾AI选择以企业级智能体平台为底座,通过FDE项目改造服务,将AI能力嵌入企业实际业务。

    来源 AI 行业观察
  16. 谷歌论文曝RSI内部落地:SIM机制让AI经验跨模型遗传

    新智元报道 谷歌内部,或许真正实现了RSI!从此,Gemini已能「继承经验」持续自我进化,Gemini新模型不再从零开始!或许也正是这个原因,谷歌最近跟疯了似的不停发模型。Gemini 4 Hydrogen才发布不到一周,更强的Gemini 4 Neon就来了。答案,或许藏在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇

    来源 腾讯网
  17. 苹果自研Agent:3个岗位曝光,最快明年推出

    智东西(公众号:zhidxcom)编译 | 黄菲编辑 | 江宇智东西11月20日消息,今日,据彭博社报道,苹果正自研Agent,并于11月17日至19日陆续发布3个相关招聘岗位,进一步披露其研发计划。苹果希望借此进入快速增长的Agent市场,与早已占据先发优势的OpenAI、Anthropic和Meta等科技公司展开竞

    来源 腾讯网
  18. 英伟达7连跌市值蒸发2.74万亿美元,美股AI板块集体重挫

    智东西11月21日消息,一夜之间,美股惨遭“黑色星期五”,对AI泡沫加剧的担忧引发华尔街抛售潮,恐慌情绪集中爆发,美国科技股一片哀嚎,英伟达股价暴跌14%,戴尔暴跌11%,Anthropic暴跌9%,甲骨文、SpaceX、特斯拉暴跌8%,Meta暴跌6%,亚马逊暴跌4%。 芯片股也愁容惨淡。美国芯片股费城半导体指数周五

    来源 AI 行业观察
向下滚动自动加载更多