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
普京:在克里米亚大桥遇袭之后,我们将不会进行局部停火谈判

普京:在克里米亚大桥遇袭之后,我们将不会进行局部停火谈判

云上乌托邦
2026-11-20 15:15:04
离开两年后首次以冠军身份回明尼苏达,唐斯说这感觉苦乐参半

离开两年后首次以冠军身份回明尼苏达,唐斯说这感觉苦乐参半

温柔且自由
2026-11-20 15:47:30
商务部:今年以来我国消费市场规模稳步扩大

商务部:今年以来我国消费市场规模稳步扩大

新华社
2026-11-19 18:35:03
下周运势大变局!这3生肖年底收尾干净利落,旧账全清、人缘翻盘

下周运势大变局!这3生肖年底收尾干净利落,旧账全清、人缘翻盘

温暖心语
2026-11-20 11:30:12
不顾西方对俄制裁,高市主动找普京谈话,日俄首脑7年来再次会面

不顾西方对俄制裁,高市主动找普京谈话,日俄首脑7年来再次会面

慢歌轻步谣
2026-11-20 14:53:42
大哥出差嫂子被托付,却在第一天,我看光了她,无法面对

大哥出差嫂子被托付,却在第一天,我看光了她,无法面对

雾岛夜话
2025-06-11 16:24:47
普京那只“晚到的黑箱子”,比十份联合声明都值钱

普京那只“晚到的黑箱子”,比十份联合声明都值钱

风起见你
2026-11-20 15:00:36
“已经确定女儿考不上高中了”,家长在线求助,网友:存个18w给她吧

“已经确定女儿考不上高中了”,家长在线求助,网友:存个18w给她吧

熙熙说教
2026-11-05 14:45:22
连续7场命中三分!恭喜火箭队,内线超级射手诞生,命中率5成,小史密斯没他准

连续7场命中三分!恭喜火箭队,内线超级射手诞生,命中率5成,小史密斯没他准

熊哥爱篮球
2026-11-20 12:30:08
北京社零跌了12.1%,真正让人手紧的是工作

北京社零跌了12.1%,真正让人手紧的是工作

六子吃凉粉
2026-11-20 11:37:57
54年来头一遭,打破美国总统常规,特朗普在深圳到底看到了什么?

54年来头一遭,打破美国总统常规,特朗普在深圳到底看到了什么?

阿凯销售场
2026-11-20 14:10:38
中国搭台真管用!美专家说了实话:中美俄谈好了,全世界都安心

中国搭台真管用!美专家说了实话:中美俄谈好了,全世界都安心

月下守候
2026-11-20 14:53:03
黄金暴跌,到抄底时刻了吗?

黄金暴跌,到抄底时刻了吗?

中国新闻周刊
2026-11-19 18:35:03
伟人这19个字,8个认不全!网友求助:谁才是真正的行家?

伟人这19个字,8个认不全!网友求助:谁才是真正的行家?

书画相约
2026-11-20 07:09:45
裤衩开叉10厘米!被网暴5年!铁三女神夺亚军又被骂,裁判:合规

裤衩开叉10厘米!被网暴5年!铁三女神夺亚军又被骂,裁判:合规

番外行
2026-06-07 15:53:29
又一场“天价豪赌”来了

又一场“天价豪赌”来了

中国新闻周刊
2026-11-20 11:18:03
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
女子去男友朋友店工作,入职一周便发生关系2次,女子报警称遭骚扰,朋友被判强奸,后因证据不足改判无罪

女子去男友朋友店工作,入职一周便发生关系2次,女子报警称遭骚扰,朋友被判强奸,后因证据不足改判无罪

观威海
2025-08-07 21:14:11
海报实锤!摩尔线程“庐山”消费级显卡确认:32GB、48GB,还是更大?

海报实锤!摩尔线程“庐山”消费级显卡确认:32GB、48GB,还是更大?

芯榜
2026-11-20 08:09:15
被大佬当“玩物”、孕期注射药物百次,最美“三圣母”竟沦落至此

被大佬当“玩物”、孕期注射药物百次,最美“三圣母”竟沦落至此

木鱼l
2026-11-18 21:21:34
2026-11-20 16:07:00
机器之心Pro incentive-icons
机器之心Pro
专业的人工智能媒体
14521文章数 142761关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

小伙子承父业收废品买到一架旧飞机 拆解视频意外火了

头条要闻

小伙子承父业收废品买到一架旧飞机 拆解视频意外火了

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

袁茵却用事实证明 活得并不差!

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

方程豹钛9实测 堪称比亚迪最强混动的DMS到底怎么样?

态度原创

手机
教育
数码
时尚
亲子

手机要闻

荣耀全新大屏新机曝光:7英寸巨屏加持,超大电池续航升级

教育要闻

“是人”还是“斯人”?为什么这么一个小问题,总能吵个没完?

数码要闻

舒尔推出MV360麦克风套装:360°空间音频,支持32bit / 96kHz

今年冬天不穿大衣了?这件“非凡外套”才是真顶流!

亲子要闻

老公从银行辞职七八年了,4岁女儿考验爸爸业务能力,看看咋样

无障碍浏览 进入关怀版