迈向AI研究的端到端自动化

arXiv cs.AI 论文
automation ai-research foundation-models agentic-systems scientific-discovery peer-review end-to-end

摘要

一篇介绍AI科学家（The AI Scientist）的论文，该系统自动化了从想法生成到同行评审的整个研究生命周期，展示了人工智能在科学贡献方面日益增长的能力。

arXiv:2606.15497v1 公告类型：新 摘要：科学自动化是人工智能领域长期以来的目标。尽管社区在自动化科学过程的各个独立组件方面取得了显著进展，但能够自主导航整个研究生命周期——从构思到发表——的系统仍然遥不可及。在此，我们展示了迄今为止最有力的证据，证明实现整个过程的端到端自动化。我们提出了AI科学家（The AI Scientist），它能够创造研究想法、编写代码、运行实验、绘制和分析数据、撰写完整的科学手稿并执行自己的同行评审。其想法、执行和呈现的质量足以产生一份由AI系统生成的手稿，该手稿通过了机器学习会议研讨会的第一轮同行评审（该研讨会的接受率为70%）。我们的系统利用现代基础模型，构建在一个复杂的代理系统中。我们在两种设置下评估了AI科学家：一种是聚焦模式，使用人工提供的代码模板作为初始支架，在特定主题上进行研究；另一种是无模板的开放式模式，利用代理搜索进行更广泛的科学探索。两种设置都能产生多样化的想法，并自动测试、报告和评估它们。这一成就展示了人工智能在科学贡献方面日益增长的能力，并标志着研究方式可能发生范式转变。与任何有影响力的新技术一样，可能存在显著风险，包括给不堪重负的评审系统增加负担以及给科学文献增加噪音。然而，如果负责任地开发，这种自主系统可以极大地加速科学发现。
查看原文
查看缓存全文

缓存时间: 2026/06/16 11:45 

# 迈向AI研究的端到端自动化
来源：https://arxiv.org/abs/2606.15497
查看PDF (https://arxiv.org/pdf/2606.15497)

> 摘要：科学自动化是人工智能领域长期以来的目标。尽管社区在科学流程的各个环节自动化方面取得了显著进展，但能够自主完成从构思到发表整个研究周期的系统仍遥不可及。在此，我们展示了迄今为止朝着端到端全流程自动化方向最强有力的实证。我们提出了The AI Scientist，它能够产生研究想法、编写代码、运行实验、绘制并分析数据、撰写完整的科学论文，并进行自我同行评审。其想法、执行和呈现质量足以生成一份由AI系统完成的论文，该论文在主要机器学习会议研讨会的首轮同行评审中获得通过。该研讨会的接收率为70%。我们的系统在复杂的智能体系统中利用了现代基础模型。我们在两种设置下对The AI Scientist进行了评估：一种是聚焦模式，利用人类提供的代码模板作为初始脚手架，针对特定主题进行研究；另一种是无模板、开放式的模式，利用智能体搜索进行更广泛的科学探索。两种设置都能产生多样化的想法，并自动测试、报告和评估这些想法。这一成就证明了AI在科学贡献方面日益增长的能力，并标志着研究方法可能发生范式转变。与任何具有影响力的新技术一样，这可能会带来重大风险，包括给已不堪重负的评审系统增加负担，以及为科学文献引入杂音。然而，如果以负责任的方式开发，此类自主系统将能极大地加速科学发现。

## 提交历史

来自：Yutaro Yamada \[查看邮件 (https://arxiv.org/show-email/cee33642/2606.15497)\] **\[v1\]** 2026年3月31日 星期二 05:21:56 UTC (11,674 KB)

相似文章

AutoResearch AI：迈向AI驱动的科学发现研究自动化

Hugging Face Daily Papers

一篇综述论文，探讨了AI从特定任务助手到工作流级研究自动化工具的转变，将AutoResearch定义为AI驱动的科学工作流自动化的光谱，并分析了自主性、可重复性和问责制方面的挑战。

AutoResearch AI：迈向人工智能驱动的研究自动化以实现科学发现

arXiv cs.AI

本综述审视了人工智能驱动的研究自动化（AutoResearch）这一新兴领域，分析了AI系统如何从孤立的任务辅助转向完整的工作流级别的科学发现。它定义了从人类引导的‘Vibe Research’到AI主导系统的光谱，并提出了五个评估科学可信度的维度。

AI 自动研究：路线图与用户指南

Hugging Face Daily Papers

本文调研了AI在整个研究生命周期中的能力与局限，从创意生成到成果发布，识别出可靠辅助与不可靠自主之间的明确界限。它提供了一个分类体系、基准测试套件、工具清单以及人类主导的AI协作研究设计原则。

@ai_suxiaole: 现在很多 AI 工具都能帮科研人员省时间 但大多数只解决一个环节： 读文献、写代码、润色论文、整理摘要。 Sakana AI 的 AI Scientist-v2 它想做的是一个能跑完整科研流程的 AI 系统 从生成研究假设开始，到设计实验…

X AI KOLs Timeline

Sakana AI 发布了 AI Scientist-v2，一个端到端的自动化科研系统，能够从生成研究假设到撰写论文自动完成，并已通过同行评审被 ICLR2025 Workshop 接收。