王欢：Agent加速科研产出，论文评审与成果鉴别压力上升

1024模力工场·AI社区日主论坛上，西湖大学工学院助理教授、博士生导师、高效智能计算实验室（ENCODE Lab）负责人王欢做了题为《AI智能体对科研的影响》的主题分享。

王欢的研究方向有两个重点。一是Efficient AI（高效人工智能），研究怎么让AI跑得更快、少耗资源；二是AI Evaluation（AI评测），关心智能该如何定义、怎么衡量。

结合自己在计算机和AI领域的研究经历，他这次讲了Agent带来的两方面影响。一头连着“效率”：读文献、写代码、做实验这些活儿正在提速；另一头连着“评价”：论文更容易写出来，成果鉴别、同行评审和科研评价反而压力更大。

在他看来，Agent确实把科研进程推快了。Agent能自己判断下一步做什么、调用工具去执行，Harness负责上下文管理、工具调用等支撑，大模型因此可以持续干活。他自己每天早上6点，都会收到Agent筛好推来的10篇相关文献。

可论文出得快，不等于科学进步就快。科研是为了增进认识，结论得经得起检验。当大量成果都声称有新发现，怎么判断它们靠不靠得住、新在哪儿，这个问题就更急了。

另一边，科研评价仍然看重论文这类量化成果。有些老师提倡“慢科研”，呼吁重质量而不是数量，结果有学生反问：老师自己发了那么多论文，为什么要求我们慢下来？

王欢认为，Agent的影响已经不只是提效，还碰到了科研评价制度：论文越来越容易产出，评价体系该怎么认出真正的贡献？

不过他依然乐观。AI接手一部分工作，人也多出空间去想：哪些探索和判断还得自己扛，人的独特价值又在哪里。

以下是王欢讲演的完整速记，模力工场在不改变原意的前提下做了订正和编辑。

Agent加速科研，论文写得快了，成果更难评了

感谢主办方给我这个机会。在非学术性的会议上做分享，对我来说似乎还是头一回。如今虽然身份是老师，可我也当过程序员，那就祝各位、也祝我自己节日快乐！

今天，我想和大家分享的是智能体对科研的影响。

先简单介绍一下自己。我在浙江大学读完本科和硕士，之后去美国读博士，大约两年前回国，加入西湖大学。

这张图来自我的个人主页，概括了我的研究方向。一个关键词是“高效”，也就是Efficient AI；另一个方向是AI Evaluation，也就是AI评测。

“高效”就是大家说的降本增效。算法、模型、系统、硬件，这几个层面我们都会入手，也都是关注的方向。

说到AI评测，大家可能想到的是：开发一个模型，拿各种Benchmark去测、去打分。这确实是它的一种表现形式。但在我看来，还得往更底层追问。

Efficient AI研究的是：模型、算法或系统已经有了，怎么让它跑得更快、更高效。AI Evaluation关心的则是：凭什么说一个系统比另一个更智能？我们到底观察到了什么，才能下这个结论？“更智能”又意味着什么？

这就是我给实验室定的两个主要方向：一个让AI系统跑得更高效，另一个试着回答什么是智能、怎么度量智能。

今天的分享不会涉及太多技术细节。科研领域太大了，靠个人经验很难概括智能体对整个科研体系的影响。所以这次主要立足计算机领域，尤其是我们做AI研究的人感受到的变化。

我会围绕三个方面讲：什么是智能体，它给科研带来了哪些变化，面对这些变化我们又该怎么想。

首先，什么是Agent？

这个词非常热门，但得想一想它最根本的特征是什么。我们常说某一年是某项技术的“元年”，那我们究竟看到了什么变化，才觉得自己进入了一个新时代？

Agent这个词不只出现在AI或计算机领域，也不是新冒出来的技术词汇。哲学文献里很早就用过它，只是含义和今天技术领域的用法有些细微差别。

大家可以打开浏览器的无痕模式，搜一下“Agent”，看看会跳出什么图片。很多时候，结果里最多的是“特工”。

从词源看，Agent 的一个核心意思就是“行动”，和 Action、Act 这些词同源。放到哲学层面，行动的发出者或者说主体，就能叫 Agent。我做出一个行动，我就是这个行动的 Agent。

但今天大家聊 Agent，重点落在另一处：它照样要动手做事，只不过不是我自己上，而是换一个主体替我去做。

这里就冒出一个疑问：Agent 说到底还是代码、是程序。程序员很早就在写程序替自己干活了，那些程序为什么没被叫作今天说的 Agent？

一个关键差别是，传统程序的运行规则和逻辑，基本由人提前定死。今天的 Agent 干活时，我们很难把每一步都预先排好——先 A，再 B，然后 C。它得自己拿复杂的主意。

自主决策因此成了非常核心的一条。另一条重要特征，是在执行过程里调用各种工具，也就是 Tool Calling。

所以今天讲 Agent，讲的是一种既能自主决策、又能调用工具的智能程序。

当然，智能程度没有一条清清楚楚的分界线，不是过了线才算自主决策、没过就不算。它其实是一个连续的谱系。

前面是想尽量严谨地把 Agent 的含义讲清楚。对业界和工程实践来说，还有一种更省事的理解：Agent 就是大模型加上外面的一层 Harness。

多数 AI 工程师或研究者不会像哲学讨论那样去细抠 Agent 的概念。他们更在意的是：原先大模型主要用来对话，没法独立帮人把活干完；后来在外面套了一层框架，让它能管上下文、记下做过什么、调用工具，并接住工具返回的结果。

这层类似脚手架的东西就是 Harness。这个词字面上是“马具”的意思。

右边的截图出自 Hugging Face 的智能体课程，里面也用了差不多的说法。这算是业内比较常见的一种理解。

Agent 是什么讲完了，接下来看它会怎么影响科研。

刚才几位嘉宾聊了智能体在不同领域的应用。放到科研上，它带来的冲击同样不小。不过要回答这个问题，得先问一句：什么是科研？

说到科学研究，大家脑子里浮现的可能是博士生、研究员在实验室里拿着试管做实验；换成我们这个领域，则是坐在办公室敲电脑、读论文。

写论文、投稿、接受评审，录用后发在期刊或会议上，再去参加学术会议。这些都是大家对科研的印象，也是科研的表现形式，但表现形式不等于科研的本质。

设想一个人提出了知识上的新东西，他没发论文，只写了一篇博客，这算不算科研？大家认不认可里面的发现？

这样的例子说明，做科研和发论文，以及其他那些表现形式，不能完全画等号。

严格讲，科研是遵循一定规范、围绕问题展开的认识过程，目的是增进人类对某个领域的理解。

那研究什么问题？科学问题。这话听着像废话，可“什么是科学问题”本身就是一个需要认真讨论的问题。

日常生活里说“这个不科学”，好像是在说“这个不对”。但科学性并不等于正确性。

这里牵涉一个可能中学就接触过的概念：可证伪性，也就是 Falsifiability。卡尔·波普尔在《科学发现的逻辑》里对这个问题有过著名论述。可证伪性是被广泛讨论和接受的科学划界标准之一，但并非唯一标准。

照这个思路，说一个命题有科学性，不是说它一定对，而是说它能接受经验检验，存在被证据推翻的可能。

我们去收集证据，试着检验甚至推翻它；如果眼下还没被推翻，就先暂时接受。没法这样检验的命题，在这个标准下不算科学命题，不过“非科学”也不一定就是“错误”。

这是聊科研时得弄明白的一个基本问题。至于发论文之类，那是科研的表现形式。

说回Agent时代，它究竟给科研带来了哪些变化？

积极的变化确实不少。写文档、敲代码、做PPT，这些日常活儿大家都用得上Agent，搞研究想选题的时候也会找它聊。它在别的行当里提的那把效率，放到科研里一样管用。

在座不少是程序员，不妨问问自己：上回亲手写代码是什么时候？好几个人跟我这么讲。计算机科研这一块也差不多，很多学生说早就不直接敲代码了，一个想法从冒出来到落地，周期短了一大截。

举个例子。西湖大学有位做自然语言处理研究的老师，团队正在搞AI Scientist，也就是AI科学家。他们弄了个网站，把我前面说的这些环节都串了起来。

这个例子挺有代表性，能看出AI是怎么给科研的多个环节提速的。

那要是把眼光放远一点，不只看这些具体环节，AI又能给研究想法乃至科研本身带来什么？

再看西湖大学做AI方向的原发杰老师。就在几天前，他团队在《自然》正刊发了一篇论文：用户用自然语言把需求讲清楚，模型就能自动设计出对应的蛋白质结构。AI对科研的正向影响，这又是一个例子。

按论文产出的流程走一遍，头一步是读已有文献，arXiv这类预印本网站上的论文都算。眼下AI已经能自动把不少文献阅读和整理的事儿干了。

我自己每天6点就让一个Agent替我读相关文献，把值得留意的挑出来，推荐10篇文章。

接着是构思研究想法，很多靠文本展开的讨论，现在也能交给AI。再往下就是写代码、做实验、写论文和审稿。

整个流程里，我个人感觉，恐怕只有实验这一环有时还得亲自动手。非计算机领域尤其如此，要用试管、要碰物理世界的实验，自动化推起来会慢些。计算机领域就不一样，实验本身也能被大幅加速。

所以在数字世界里——我管它叫形式系统、符号空间或者数字化空间——原来那些壁垒正以极快的速度消融。

这是好的一面。可成也萧何，败也萧何。数字世界里的活儿一旦全面提速，另一个麻烦就冒出来了：我们拿这些数字化产出去做评价的那套体系，正扛着巨大的压力。

开场时循环播放的那段视频，不知道大家注意到没有。今天的问题不光在于能不能做出又大又新的成果，而在于我们一下子就能生成一大堆“声称又大又新”的成果。

这些成果是不是真新？贡献到底有多大？谁来分辨？

谈创新之前，得先有判别能力。今天最难的坎儿，偏偏不在生成，而在判别。

学术圈里我能举几个例子。这些变化是好是坏，有时候真不好一句话说清。

拿一个AI顶级会议来说。这个会大约从2013年开始办，前14年投稿总量差不多5.5万篇，可今年一年的论文取号量，就已经超过这个总和了。

得说明一下，取号量不等于最终投稿量，实际投出去的可能少一些，但这个数字还是有参考价值。

能不能就此说，今年的科技进步顶得上此前14年？很难讲。但这个领域里有个重要原因大家都清楚：如今造一篇论文的成本实在太低。

论文投出去，还是得靠人来审，博士生、导师、研究员一篇篇看。整个评审系统因此承受的压力非常大。

最近还发生了一件事，同样值得琢磨。

科研里评价一个学生或老师干得怎么样，常会看发了多少篇论文这类量化指标。AI智能体把数字化成果的生产速度拉得很高，竞争压力也跟着更大了。

过去多数人是读到博士才正式踏入科研。现在本科生甚至高中生都开始做AI研究了，有的高中生进了大厂，还有去硅谷工作的，类似新闻大家可能也听过。

有些学生一进大学就去找博导，想尽早进实验室、发顶会论文。部分老师认为不必这么急，还专门发了份关于"慢科研"的声明，呼吁别一味追数量，要把质量放在前面。

这份声明引发了大量讨论，不少老师签了名，其中也有我认识的、来自国内外顶尖高校的老师。

不过学生那边也有不同看法：有人把签声明老师每年发的论文数统计出来，反问一句——老师们自己发这么多，怎么反倒劝学生慢下来？还有人用"上车之后把车门焊死"来表达不满。这些声音冒出来，本身就耐人寻味。

AI 确实让科研跑得快了很多，这可以说。可要是只拿这一种评价看事情，理解就太简单了，偏差还可能不小。

类似的事还在发生。前几天 OpenAI 一口气放出 700 多份跟数学成果有关的论文，内容和方向铺得很开，换任何一位顶尖数学家，都很难独自把全部验证做完。

于是又绕回刚才那个问题：成果能大批量快速生成的时候，我们怎么判断它们站不站得住，又有多少是真正的新东西？

AI 和 Agent 让技术跑得更快、应用变得更丰富，这一点之外，它们也在猛烈冲击技术以外的东西——科研人员、科研体系、科研制度，还有科研精神。冲击的力度，说不定比技术层面还大。

积极影响和挑战，到这儿都说得比较清楚了。

好的那一面是，科研离不开的数字化材料和工作环节被大大提速，连研究想法怎么形成都能跟着受益。与此同时，成果怎么评价、科研共同体怎么守住原来的规范和精神，都开始承压。

接下来会怎样？说实话，现在谁也说不准。变化正在发生，整个领域也在重新琢磨该怎么评价这些变化。

有些科研工作者可能会因此悲观：AI 都这么强了，科研往后还怎么干？

我个人倒是相当乐观。一件事既然 AI 已经能做，或许恰恰说明它不构成人之为人的本质。我们也因此多出些时间去想：哪些事是人能做、AI 还做不了的？那些事，可能更接近对"人"的真正定义。

前不久《奥德赛》这部电影很受关注。借这个比喻说，今天 AI 高歌猛进，我们像是在写希腊英雄远征特洛伊的那部史诗《伊利亚特》。

可与此同时，我们也需要一段《奥德赛》式的"返乡"。而且很可能不是先出征、再返乡，而是出征和返乡同时进行。