假如你是一名科研工作者，面對(duì)浩瀚的文獻(xiàn)和復(fù)雜的實(shí)驗(yàn)，你是否渴望擁有一個(gè)不知疲倦、知識(shí)淵博并且能夠全程協(xié)作的超級(jí)助手？這個(gè)愿景正由香港大學(xué)教授黃超團(tuán)隊(duì)開發(fā)的 AI-Researcher 變?yōu)楝F(xiàn)實(shí)。

實(shí)驗(yàn)中，該團(tuán)隊(duì)揭示了以下實(shí)驗(yàn)效果：在技術(shù)實(shí)現(xiàn)上，以 Claude 為后端的 AI-Researcher 在 93.8%的情況下能夠成功產(chǎn)出可運(yùn)行的代碼；在科學(xué)質(zhì)量上，盡管 AI 論文平均分?jǐn)?shù)略低，但是相當(dāng)一部分已經(jīng)可以和人類工作比肩。例如，根據(jù) GPT-4o 評(píng)審，超過 78%的 AI 生成論文達(dá)到了可比水平。

它既是一個(gè)工具，也是一個(gè)能夠自主完成從文獻(xiàn)調(diào)研、假設(shè)生成、算法實(shí)現(xiàn)到論文撰寫全流程的 AI 科學(xué)家。實(shí)驗(yàn)表明，其所完成的學(xué)術(shù)成果在多個(gè)領(lǐng)域已經(jīng)慢慢接近人類高質(zhì)量研究水平。

黃超告訴 DeepTech：“我們的愿景就是希望通過 AI-Researcher 大幅提升科研效率。比如以前我們一個(gè)月可能只能驗(yàn)證一種算法思路，但有了 AI-Researcher 的輔助，我們一個(gè)月可以探索上百種不同的算法路徑，這種指數(shù)級(jí)的試錯(cuò)速度將帶來科研突破的質(zhì)的飛躍。”

（來源：https://arxiv.org/abs/2505.18705）

多智能體系統(tǒng)的科研助手

AI-Researcher 的強(qiáng)大源于其多智能體協(xié)作框架。這套系統(tǒng)模擬了人類科研團(tuán)隊(duì)的完整分工，將復(fù)雜任務(wù)進(jìn)行了分解執(zhí)行。

系統(tǒng)首先會(huì)由知識(shí)獲取智能體啟動(dòng)，它僅需用戶提供少量種子論文，便能自主檢索并篩選出最相關(guān)的高質(zhì)量學(xué)術(shù)論文和代碼庫。

隨后，資源分析智能體將扮演關(guān)鍵角色：其論文分析模塊通過 RAG 技術(shù)從論文中提取核心數(shù)學(xué)公式，代碼分析模塊則在倉庫中定位具體實(shí)現(xiàn)，借此建立理論與實(shí)踐的雙向映射，將抽象概念原子化。最終，規(guī)劃智能體整合分析結(jié)果，形成涵蓋數(shù)據(jù)、訓(xùn)練、測試的詳細(xì)開發(fā)計(jì)劃。

在扎實(shí)的知識(shí)地基上，創(chuàng)意生成器開始工作。它采用發(fā)散-收斂的模式，首先生成多個(gè)方向迥異的研究設(shè)想，然后基于科學(xué)性、新穎性和可行性篩選，形成結(jié)構(gòu)完整的研究提案。

核心突破體現(xiàn)在算法實(shí)現(xiàn)環(huán)節(jié)。AI-Researcher 摒棄了傳統(tǒng)AI變成一次性生成的脆弱模式，引入了類人迭代精煉范式。

代碼智能體負(fù)責(zé)根據(jù)計(jì)劃進(jìn)行初始實(shí)現(xiàn)，顧問智能體則像導(dǎo)師一樣審核代碼的正確性，并通過分析初步實(shí)驗(yàn)結(jié)果提供修改建議。兩者形成多輪的實(shí)現(xiàn)-反饋-優(yōu)化循環(huán)，顯著提高了復(fù)雜算法的實(shí)現(xiàn)成功率。

接著，自動(dòng)化文檔智能體采用三階段分層生成框架應(yīng)對(duì)長文本一致性的挑戰(zhàn)：先根據(jù)模板生成論文大綱，再逐步填充內(nèi)容并維護(hù)邏輯一致性，最后依據(jù)專業(yè)清單核查修訂報(bào)告中的內(nèi)容及參考文獻(xiàn)，確保學(xué)術(shù)上的嚴(yán)謹(jǐn)性。

（來源：https://arxiv.org/abs/2505.18705）

科學(xué)評(píng)估與嚴(yán)格評(píng)測，能力邊界與意外發(fā)現(xiàn)

為了客觀評(píng)價(jià)AI的科研能力，該團(tuán)隊(duì)創(chuàng)建了 Scientist-Bench 基準(zhǔn)，精選了涵蓋計(jì)算機(jī)視覺、圖機(jī)器學(xué)習(xí)等領(lǐng)域的22篇頂會(huì)論文作為評(píng)估標(biāo)準(zhǔn)。

評(píng)估設(shè)置了兩層難度：Level-1 提供明確指令，測試 AI-Researcher 實(shí)現(xiàn)并執(zhí)行既定科研想法的能力；Level-2 只給參考文獻(xiàn)，要求 AI-Researcher 自主發(fā)現(xiàn)新穎研究方向，挑戰(zhàn)性更高。

評(píng)估框架極為嚴(yán)格：先由代碼評(píng)審智能體驗(yàn)證技術(shù)實(shí)現(xiàn)，再進(jìn)行科學(xué)貢獻(xiàn)評(píng)估，使用校準(zhǔn)后的論文評(píng)審智能體，以雙盲方式比較AI論文與人類原稿。

評(píng)審標(biāo)準(zhǔn)對(duì)標(biāo) ICLR 等頂會(huì)，從創(chuàng)新性、方法嚴(yán)謹(jǐn)性、實(shí)驗(yàn)驗(yàn)證三個(gè)維度打分。為了消除偏差，他們針對(duì)論文順序進(jìn)行隨機(jī)交換，并匯集了多個(gè)頂尖大模型的獨(dú)立評(píng)審意見，形成了類似于評(píng)審委員會(huì)的集體決策。

期間還有一個(gè)反直覺的發(fā)現(xiàn)是：在開放探索任務(wù)中，AI-Researcher 的表現(xiàn)普遍優(yōu)于有明確指令的任務(wù)，其平均評(píng)分和可比比例均有著顯著提升。

這表明，當(dāng)前AI科研智能體在整合內(nèi)部知識(shí)、自主發(fā)現(xiàn)方向等方面展現(xiàn)出獨(dú)特的優(yōu)勢，過細(xì)的指令反而會(huì)限制它的創(chuàng)造性。這挑戰(zhàn)了 AI 僅擅長執(zhí)行而非創(chuàng)造的舊有認(rèn)知。

實(shí)驗(yàn)也指出了一定局限：在需要深厚專業(yè)背景的理論分析和前沿優(yōu)化技術(shù)實(shí)，AI 依然顯得稚嫩；在需要多步驟的嚴(yán)密數(shù)學(xué)推導(dǎo)時(shí)，現(xiàn)有架構(gòu)依然容易出錯(cuò)；跨越多天的科研長流程也對(duì)記憶系統(tǒng)提出了挑戰(zhàn)。

（來源：https://arxiv.org/abs/2505.18705）

盡管如此，AI-Researcher 展示了一條通往增強(qiáng)科學(xué)發(fā)現(xiàn)的切實(shí)路徑。目前，該框架已在物理、化學(xué)、生物等領(lǐng)域得到廣泛應(yīng)用。黃超表示，用戶普遍反饋 AI-Researcher 具備助力領(lǐng)域?qū)＜覍?shí)現(xiàn)AI賦能的潛力。這一過程顯著降低了 AI 應(yīng)用門檻，讓研究者無需具備深厚的計(jì)算機(jī)或編程背景，也能利用 AI 技術(shù)推動(dòng)本學(xué)科的研究，實(shí)現(xiàn)跨領(lǐng)域的智能增強(qiáng)。

參考資料：

相關(guān)論文https://arxiv.org/abs/2505.18705

開源系統(tǒng)https://github.com/HKUDS/AI-Researcher