几小时前，Nature 宣布了真正意义上的 AI 科学家的首次实现。由“Transformer 八子”之一联合创办的日本 Sakana AI 与英国牛津大学、英属哥伦比亚大学的研究团队打造了一个从零开始搞科研的 AI，实现了从构思到论文发表的完整端到端自动化，并有 AI 论文通过国际顶会 ICLR 2025 同行评审，这是 AI 科研范式的突破，触及了人类创造力的边界。
图 | 被选中的 AI 论文节选（来源：https://www.nature.com/art）
值得注意的是，来自英国牛津大学的 Chris Lu 和来自英属哥伦比亚大学的 Cong Lu 是共同一作之一。
图 | 从左到右：Chris Lu 和 Cong Lu（来源：资料图）
研究中，他们造出了一个叫 AI 科学家（ AI Scientist）的系统，从想点子、写代码、跑实验、分析数据，到写论文、自己审稿，全由AI自己完成。
更让人震惊的是，其中一篇完全由AI生成的论文，投到了 ICLR 2025 的一个研讨会，拿到了 6 分、7 分、6 分的评审分数，超过了这个研讨会平均的录取线。这篇论文如果没被主动撤稿，大概率会被接收。
（来源：https://www.nature.com/articles/s41586-026-10265-5）
据了解，AI 科学家的工作流程分成四块。
第一步是想点子。
它被喂进一个研究领域后，会自己生成一批研究方向，每一条都带着标题、研究理由、实验方案，还给自己打分，有趣程度、新颖程度、可行性，1 到 10 分自己评。然后它连上 Semantic Scholar 的学术搜索引擎，把跟已有工作太像的点子扔掉。
第二步是做实验。
这里分两种模式。
第一种是模板模式，研究人员先给它一段能跑通的代码做起点，它在这个基础上想新点子，然后叫一个叫 Aider 的代码助手来改代码、跑实验，出错了自己看日志、自己修，修好了继续跑。
另一种是无模板模式，它连起点代码都没有，得从零开始写。这时候它会搞一个树形搜索，一个点子长出好几个分支，每个分支跑不同参数、不同设置，跑完一轮选最好的那个继续往下走。这个过程会并行跑很多个节点，谁效果好谁被选中继续深挖。
第三步是写论文。
它把自己实验里记的笔记、生成的图表填进一个标准的 LaTeX 模板里，一节一节地写，引言、方法、结果、结论，全齐。要写相关工作部分的时候，它再去查 Semantic Scholar，把相关的论文找出来，然后读摘要和写引用。写完还会自己编译 LaTeX，报错了自己改，最多可以改五次，直到出一份能看的 PDF。
第四步是自己审稿。
研究团队还造了一个自动化审稿器，照着 NeurIPS 的审稿指南，对论文打分，给优点、缺点、伦理问题，最后给一个接受或拒绝的建议。五份独立审稿结果汇总，再由它自己当领域主席做一个综合判断。
这个自动化审稿器不是随便做的，研究团队拿它跟真实的人类审稿记录做了对比。他们从 OpenReview 上拿了 ICLR 的论文数据，让自动化审稿器打分，结果它的平衡准确率达到 了69%，跟人类审稿人的 66% 差不多。
在 F1 分数上，它甚至比 NeurIPS 2021 那个著名的审稿一致性实验里的人类审稿人之间的一致性还高。这意味着自动化审稿器打出来的分数，跟一个真实的人类审稿专家基本在一个水平线上。
他们还专门测了数据污染的问题。模型训练时用的数据可能包含 2017 到 2024 年的论文，所以他们又拿 2025 年出的新论文测了一遍，结果平衡准确率降到了 66%，仍然和人类审稿人持平。这说明自动化审稿器不是靠背答案，它其实是真的能够自己判断论文质量。
（来源：https://www.nature.com/articles/s41586-026-10265-5）
研究团队还发现了一个规律，AI 科学家生成的论文质量，跟它底下用的基础模型强相关。他们用不同时间发布的模型跑同一套流程，从较老的模型到最新的模型，生成的论文评分一直在涨。这说明随着基础模型越来越强，AI 科学家写出来的论文也会越来越接近人类水平。
同时，给 AI 科学家分配的计算资源越多，它写出来的论文质量也越高。这有点像给一个研究生更多时间做实验，最后成果也会更好。这两个趋势加在一起，意味着未来 AI 科学家的能力会随着模型升级和算力增长持续提升。
（来源：Nature）
被研讨会评审看上的那篇论文，研究的是深度学习里的一个负向结果，正好契合那个叫 ICBINB 的研讨会主题。这篇论文由AI科学家在无模板模式下生成，从头到尾没有人类修改过。它从选题、设计实验、跑代码、出图表、写 LaTeX，全部是自己完成的。
研究团队一共投了三篇，只有这一篇过了线，另外两篇没达标。这说明 AI 科学家目前还不是每次都能写出高质量论文，但这明确证明 AI 写出来的东西已经能骗过人类审稿人，让它以为自己是在审一个人类研究生的作业。
当然，AI 科学家现在还远不够完美。它偶尔会想出很幼稚的点子，方法论不够严谨，写代码时会出各种 bug，还会产生幻觉，比如引文明明是错的它硬说对，或者附录里把同一张图放两遍。
不过，研究团队发现在机器学习这个领域，很多技术刚出现时都不完美，甚至漏洞百出，但只要它能让做出来这件事本身成立，后续通过扩大规模、更好的模型、更优的技术，这项能力就会迅速提升，进而很快超越人类水平。
总的来说，这项工作的意义远远不止让 AI 写几篇论文，它把整个科研流程从头到尾连起来了，从想点子到做实验到写论文到审稿，全在计算机里跑通。
未来可以用 AI 来加速科研，比如在药物发现、材料设计、气候建模这些领域，让 AI 科学家 7×24 小时地跑实验、试方向，而人类科学家只需要在关键节点做判断和选择。
同时，研究团队在论文最后也提到了风险，比如AI论文洪流可能会压垮现有的审稿系统，或者有人拿 AI 灌水、批量发假论文。所以他们主动把投出去的论文撤回来了，也在所有生成的论文里加了水印，方便识别。他们还建议学术界尽快建立规范，告诉人们 AI 写的论文应该怎么标注和怎么对待。
参考资料：
相关论文https://www.nature.com/articles/s41586-026-10265-5
https://www.linkedin.com/in/chris-lu-37471b119/
https://chrislu.page/
https://www.linkedin.com/in/cong-lu-530b74104/
https://www.conglu.co.uk/
https://sakana.ai/ai-scientist-nature/
运营/排版：何晨龙