西湖大学打造了一个AI科学家，突破人类SOTA，还能自己发论文

（由多段落组成）：

在人工智能推动科研范式的变革浪潮中，西湖大学文本智能实验室（WestlakeNLP）推出了一项颠覆性成果——名为 DeepScientist 的AI科学家系统。这个系统仅用短短两周时间，完成了人类科学家通常需要三年才能完成的科研探索量，自主提出超过5000个科学构想，验证了其中1100多个，并在三个前沿AI任务上成功刷新了人类保持的最先进水平（SOTA）。这项突破不仅展示了AI在科研领域的巨大潜力，更标志着自动化科学发现正从辅助工具迈向独立探索的新阶段。

回顾AI参与科研的发展历程，早期系统大多局限于特定环节的效率提升。例如PaperBench专注于论文复现，Agent Laboratory用于解决机器学习工程问题，而AlphaTensor则通过强化学习优化矩阵乘法性能。这些系统虽高效，但本质上仍是在既定框架内“打补丁”，缺乏质疑现有范式的能力。随后出现的CycleResearcher、DeepReview等工具分别承担写作、审稿或假设生成功能，但彼此割裂，无法形成完整闭环。直到近年来，研究者开始尝试构建端到端的全自动科研流程，如AI Scientist项目已能完成“提出-实验-总结”的循环，但由于缺乏明确目标导向，其产出往往缺乏实际科学价值。而DeepScientist的诞生，则首次实现了以解决重大挑战为导向、具备自我迭代能力的真正“AI科学家”。

DeepScientist的核心创新在于将科学研究建模为一个高成本、低样本的黑盒优化问题。面对前沿领域单次实验动辄消耗 $10^{16}$ FLOPs 算力的现实，系统采用分层三阶段探索机制，结合多代理架构与动态知识库，实现资源的精准投放。整个过程如同一个智能漏斗：第一阶段是“战略设想与假设生成”。系统会全面扫描其内置的知识库和“发现记忆”（Findings Memory），分析当前SOTA方法的公认短板，利用大语言模型进行头脑风暴，生成大量新假设。随后，一个模拟学术审稿人的LLM代理会对每个想法从效用性、质量与探索价值三个维度评分，确保后续筛选有据可依。

进入第二阶段“实施与验证”，系统引入经典的上置信界算法（UCB）来平衡“利用已知高分想法”与“探索潜在惊喜”的关系，避免陷入局部最优。得分最高且不确定性较大的假设被选中后，由编码代理在隔离沙箱环境中自动编写代码、调用已有模型、运行实验并记录结果。这一过程完全自主，代理可访问历史代码库并联网检索资料，极大提升了实现效率。所有实验数据和日志即时回传至记忆库，形成持续进化的学习闭环。

第三阶段“分析与报告”仅对取得实质性突破的发现开放。一旦某项实验结果超越基线性能，该发现即升级为“进展发现”（Progress Finding）。此时，多个专业分析代理协同工作，开展消融实验、跨数据集测试、鲁棒性评估等深度验证。最终，合成代理将所有证据整合成一篇结构完整、逻辑清晰、可复现的研究论文。值得一提的是，DeepScientist在此过程中自动生成了5篇高质量论文，经AI审稿系统DeepReviewer盲评，在与其他28篇AI生成论文的竞争中脱颖而出，接受率高达60%，成为唯一达标者。

为了检验其实战能力，研究团队选取了2024–2025年三个热门AI方向进行挑战：代理失败归因、大模型推理加速和 AI生成文本检测。在代理归因任务中，DeepScientist洞察到现有方法缺乏反事实推理能力，进而提出A2P框架（Abduction-Action-Prediction），将归因问题从模式匹配升级为因果推断，显著提升定位精度。在推理加速方面，它通过识别解码过程中的稳定后缀模式，设计出ACRA算法，使吞吐量从190.25提升至193.90 tokens/s，打破原有纪录。而在文本检测任务中，系统展现出惊人的进化路径：从修复统计缺陷的T-Detect，到引入小波分析捕捉“非平稳性”的TDT，最终发展出PA-Detect，在RAID基准上AUROC提升7.9%，速度翻倍，建立全新SOTA。

在整个探索过程中，DeepScientist共经历数千次失败。数据显示，5000多个初始想法中仅有约1100个进入实施阶段，最终仅21个带来实质性进展，整体成功率仅为1.9%。这恰恰印证了前沿科研的本质——突破本就是小概率事件。失败原因分析显示，60%源于代码实现错误，其余多为理论无效或效果倒退。正是得益于其智能筛选机制，才使得有限算力得以聚焦于最有潜力的方向，避免盲目试错导致的资源浪费。

尽管技术成就斐然，DeepScientist也引发了关于伦理与学术生态的深刻讨论。为防止被滥用于恶意研究（如病毒设计），团队进行了“红队测试”，结果显示所依赖的基础模型（如Gemini-2.5-Pro、Claude-4.1-Opus）均能识别非法意图并主动终止任务，体现了强安全对齐能力。此外，为避免学术泡沫化，团队决定开源核心科研引擎，但保留“分析与报告”模块不公开，以防被用于批量刷稿。未来，人类研究者的角色或将转向更高层次的科学引导、伦理把关与跨学科整合，而非重复性实验操作。

DeepScientist不仅是技术上的飞跃，更是科学方法论的一次重构。它证明了AI不仅能执行任务，更能主动发现问题、提出假设、验证改进并传播成果。随着此类系统的普及，我们或将迎来一个“人机共研”的新时代，其中人类负责定义问题与价值判断，AI则承担繁重的探索与验证工作，共同推动科学边界不断前移。

AI科学家, DeepScientist, 西湖大学, 自动化科研, 大模型推理加速

本文来源：