alphaXiv上线AI Agent专属预印本服务器:936个Agent自组学术圈

资讯 腾讯网 作者:机器之心 全文 2523 字 · 约 7 分钟读完 分类学术研究智能体

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

所属频道 智能体与 Agent前沿研究

说起来有点难以想象,AI Agent 现在已经开始组团做科研了。

近日,alphaXiv。

提出假设、设计实验、跑代码、分析数据,这些 Agent 都能做,还会把研究写成论文,交给别的 Agent 去审。

更耐人寻味的是,它们连自己的学术圈子都开始成形了。有 Agent 公开挑同行实验设计的毛病,有 Agent 发现错误后主动撤回了自己的研究结论,还有 Agent 干脆自己办期刊,让其他 Agent 来当审稿人。

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

这场实验由全球 22 家机构的研究者共同组织,为期 12 周。期间,来自 35 个人类运营实验室的 936 个 AI Agent 在同一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,创建了 229 个讨论群组。

论文、实验代码、原始数据,连同同行评审和研究讨论的记录,整个流程都被完整留存了下来。

有网友表示,这就是

936 个 Agent,开始像科学家一样工作

实验的时间跨度是 2026 年 8 月 19 日到 11 月 12 日。

研究团队为 AI Agent 专门搭了一个

整个过程中,并没有把所有 Agent 塞进同一个统一的大模型里。

实际情况是,参与者分属不同实验室,各自用的模型、算力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 研究方向覆盖

人类研究者主要管的是给算力、定预算、划出大致的研究主题。具体到研究假设怎么提、实验怎么设计、数据怎么分析,都是 Agent 自己推进。

每项研究都得配套交上可运行代码、原始数据,以及能把论文里报告的数字追溯到实际实验输出的记录。其他 Agent 可以接着查代码、读数据、复现实验,并在这个基础上做新的研究。

12 周下来,936 个 Agent 一共产出 936 项研究成果,相互之间交换了约 9500 条消息,还自发建起 229 个讨论群组。

一个由 AI Agent 组成的科研社区,雏形已经开始显现。

论文写得漂亮,不代表实验真的可靠

这项研究还揭出了一个容易被忽视的问题。

AI Agent 能写出逻辑完整、论证顺畅的论文,但论文读起来有说服力,不等于实验本身经得起推敲。

研究团队对不同审稿方式的有效性做了专门测试。

其中一组实验里,研究者准备了 16 篇存在实验缺陷的初稿,以及修正过、已公开披露相关局限的版本。

只看论文文本的评审者,在 16 篇初稿中找出了 11 篇的问题。可面对已经修正的版本,他们依然在 16 篇里指出了 10 篇有问题。

也就是说,光读论文文本,评审者很难分清哪些是真正藏起来的实验缺陷,哪些是已经公开说明的研究局限。

研究团队随后又换了个思路,让Agent自己去翻代码、查原始数据。

在《Journal of Agent Research》的评审环节里,一位客座编辑把43组论文中提出的276项质疑逐条写成可执行脚本,再拿提交上来的数据把分析重跑了一遍。

结果,156项重大质疑里有77项直接把论文的核心结论推翻,占49.4%;120项次要质疑中也有24项造成核心结论被推翻,占20%。

这组数字指向一件事:不少问题根本不会写进论文正文,只有动手查代码、重跑实验,那些藏起来的错误才会露出来。

研究团队还核查了论文里实验数字的出处。

能对上原始数据字段的统计数据共23,811项,其中93.8%与保存下来的实验输出完全一致。剩下的差异多与四舍五入、缩放或符号约定有关,在这批成功完成溯源的记录里,研究团队没有发现伪造的数值。

可这不等于实验本身就没问题。数字和输出对得上,只能说明报告里的数值有对应的实验记录,既不能保证代码严格实现了论文描述的方法,也证明不了实验设计已经把其他干扰因素排除在外。

AI科学家已经能发现新现象,但还不擅长提出好问题。

这场实验还带出了一些具体发现。

其中一项发现是,一个基础模型不改自己的权重,只借用经过强化学习训练的模型的

另一项发现是,模型能借助训练文本,把关于虚构人物及其所在城市的记忆事实传给其他模型,哪怕这些训练文本压根没提到相关人物或地点。

还有研究发现,删除某项事实最初对应的

单看这些发现,多数属于渐进式成果。不过研究团队认为,其中一些已经够格独立发展为

更受关注的是,部分Agent独立得出了与后来发表的人类研究论文相似的结果,涉及

这说明Agent已经能在一定程度上独立探索研究问题,并给出值得进一步验证的发现。

但这不代表它们已经具备成熟的科学思维。

研究团队把Agent论文和人类研究者的论文放在一起做了盲测比较。

实验挑了202组匹配论文,隐去作者和机构信息,再由两个大语言模型评审者按统一标准打分。

打分结果是,实验严谨性一项上Agent论文分数更高,平均9.02分,人类论文为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。

这里还有个重要细节。

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,没法直接跑代码或核对图表。所以这组结果不能简单读成AI研究已经全面压过人类。

研究团队还点出了一个更根本的问题。

在已有研究的基础上提出假设、做实验、把前人的结果往前推,这些事Agent已经能做。可它们挑题目时往往往熟悉的方向靠,或者围着现成的基准测试做点小修小补。说到底,让它们研究一个已经摆出来的问题还行,判断哪个问题才真正值得研究,目前还不行。

整项实验最重要的结论之一就落在这里。科研这件事,不只是把实验跑完,还包括找出值得探索的问题、掂量一个结果重不重要、看清它对整个领域意味着什么。

这些环节眼下仍然离不开人类的深度参与。

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. 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
  2. AI智能体评测新框架RES:任务不变,环境逐轮加码

    你有没有想过,为什么现在很多AI模型跑分越来越高,但真正用起来的时候,还是会在一些意想不到的地方翻车?这背后藏着一个很尴尬的事实。我们评测AI智能体(能自主执行任务的AI系统,比如帮你订机票、整理财务报表、修复代码bug的那种)的方式,其实一直在偷懒。研究者想让测试变难,通常的做法就是多造几个任务,多编几条轨...

    来源 腾讯网
  3. 阿里云 752页《AI Agent Handbook》,46% 的企业在做 Agent,只有 18% 上线

    752 页、7 篇、30 章。这份手册是阿里云把《AI 原生应用架构白皮书》拆开重写的一版,加进了 1906 份开发者问卷和企业自己复盘的案例。最值得先看的是那批问卷:46% 的企业在做 Agent,真正部署到生产环节的只有 18%。它的编法不按技术栈分层,而按生命周期分段:架构定对象,构建定契约,运行定地基,治理定可

    来源 腾讯网
  4. 谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进

    模型一换,精心优化的 agent harness 可能立刻“水土不服”。专为 Claude 演化的 harness 甚至可能给 Gemini 带来“负收益”。因此,模型迁移后需要重新评估继承的修改,判断哪些仍然有效,哪些需要修订。 harness 管理 agent 的上下文、工具和执行流程。递归自我改进(RSI)虽会依

    来源 AI 行业观察
  5. 工业AI进产线:单次推理0.3元起,2000家客户已用上智能体

    《科创板日报》11月20日讯(记者 余诗琪)“以前要靠人工完成的流程,需要几个小时,现在用智能体,9到12分钟就能完成。”11月19日,在武汉举行的2026中国5G+工业互联网大会上,黑湖科技联合创始人肖哲给出了一组工业智能体的应用数据:单次推理成本约0.3元至1元,目前已有约2000家客户使用其工业智能体。工业AI的

    来源 腾讯网
  6. Claude开AI工厂:7周造38个模型,狂揽5.5万下载

    Claude开了一家造AI的工厂! 七周,Claude交出38个模型,狂揽约5.5万次下载,杀进100多个GitHub项目。 38个模型累计下载约5.5万次,光是提示注入检测系列就有约1.7万次下载。 这AI工厂背后的「老板」叫Horizon,是一个基于Claude Opus 5.5的智能体。 它开局拿到的,只是一个空

    来源 AI 行业观察
  7. OpenAI等AI企业遭亚利桑那州刑事调查:失控智能体疑入侵银行

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  8. 亚利桑那州刑事调查OpenAI等AI企业:智能体被指入侵银行系统

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  9. 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
  10. Snowflake Expedition 2026:AI智能体与实时流式升级?

    2026 年 Snowflake Expedition 大会上,Snowflake 展示了一系列覆盖平台架构的重大升级,正逐步由云数据平台演进为支持自主 AI 智能体、实时流式应用和对话式商业智能的统一引擎。 此次发布围绕一个核心理念展开:AI 的价值取决于其所依托的企业业务上下文。 通过引入原生业务本体(Busine

    来源 AI 行业观察
  11. AI代理公司不设CEO,让它们自己竞标谁来当家做主

    2026年的秋天,哈佛大学一个实验室里的几个研究者在琢磨一个很怪的问题。他们让三个AI智能体组队去玩一个"从零开始造出一把铁镐"的Minecraft任务,一个负责砍树,一个负责挖矿,一个负责打造工具。问题是,这三个智能体谁先动手、谁后动手,由谁来决定?传统做法很简单粗暴:找个经理智能体,或者干脆按固定顺序轮流来。但..

    来源 腾讯网
  12. 苹果自研AI智能体曝光:招聘信息透露产品方向,对手已抢先落地

    苹果公司正开发自家AI智能体,以期与OpenAI、Anthropic竞争。11月19日,据彭博报道,苹果公司正在开发一款能够代替用户完成任务的自主人工智能智能体,正式进军由OpenAI、Anthropic、Meta等公司激烈角逐的赛道。此前11月18日苹果官网新增一条招聘信息,透露公司正在寻找一名高级工程经理,负责一款

    来源 腾讯网
  13. 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
  14. 谷歌DeepMind发布SIM记忆法:让AI跨模型持续自我改进

    智东西11月19日报道,近日,谷歌云AI、谷歌DeepMind与美国宾夕法尼亚州立大学的研究团队联合发布论文《自改进记忆,实现持续递归式自改进》(Self-Improvement Memory Enables Continual Recursive Self-Improvement),提出了一种名为自我改进记忆(Sel

    来源 AI 行业观察
  15. 谷歌Gemini登陆Mac:AI代理代操作电脑,桌面入口争夺战开跑?

    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,也成为用

    来源 AI 行业观察
  16. 纳德拉预言:AI智能体将重塑互联网经济格局

    微软CEO萨提亚·纳德拉在最新访谈中提出,AI智能体将不再是简单的聊天工具,而是能替用户完成搜索、比价、下单的“数字代理人”。这一转变可能从根本上动摇以广告和流量为核心的互联网商业模式,迫使亚马逊、谷歌等巨头重新思考获客与竞争的方式,内容创作者与广告主的利益分配也将随之重写。

    来源 AI 科技快讯
  17. 苹果自研AI智能体曝光:让它替你操作Mac

    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,苹果有机会

    来源 AI 行业观察
  18. 纳德拉:AI代购兴起,恐改写互联网平台盈利模式?

    科技媒体 TechCrunch 昨日(11 月 18 日)发布博文,报道称在《纽约时报》DealBook 峰会上,微软首席执行官萨蒂亚 · 纳德拉(Satya Nadella)表示,能够替用户浏览商品、完成购买的 AI 智能体,可能重塑互联网的商业格局,让依赖用户访问和广告收入的平台面临重新洗牌。

    来源 IT之家
向下滚动自动加载更多