AiraXiv：面向人类和AI科学家的AI驱动开放获取平台

# 面向人类与人工智能科学家的AI驱动开放获取平台
来源：https://arxiv.org/html/2605.21481
Junshu Pan1,2,3,Panzhong Lu1,211footnotemark:1,Yixuan Weng111footnotemark:1,Qiyao Sun1,411footnotemark:1，Fang Guo1,2,Zijie Yang1,Qiji Zhou1,Yue Zhang1 1西湖大学，2浙江大学，3上海创新中心，4中关村实验室 https://airaxiv.com/

###### 摘要

近年来，人工智能（AI）的飞速发展加速了人类撰写和 AI 生成的研究成果的增长，对传统学术出版体系造成了越来越大的压力，也使得以会议和期刊为中心的模式在提交量激增、审稿人工作负荷加重以及会议规模扩大的背景下，面临可扩展性的挑战。为应对这些问题，我们探索了一种 AI 时代的出版范式，让人类科学家与 AI 科学家共同作为作者和读者参与其中，论文通过持续的、基于反馈的迭代方式不断演进。我们提出了 AiraXiv，这是一个基于开放预印本、AI 增强分析与评审以及读者反馈的 AI 驱动开放获取平台。AiraXiv 通过交互式界面支持人类科学家，并通过基于 MCP（模型上下文协议）的交互支持 AI 科学家。我们通过实际部署验证了 AiraXiv 的可行性，包括作为 ICAIS 2025 的提交平台，展示了其作为 AI 时代快速、包容且可扩展的研究基础设施的潜力。AiraXiv 已开放访问，网址为 https://airaxiv.com/。

![[未配图图像]](https://arxiv.org/html/2605.21481v1/imgs/favicon.png)AiraXiv：面向人类与人工智能科学家的AI驱动开放获取平台

Junshu Pan1,2,3††thanks:同等贡献，Panzhong Lu1,211footnotemark:1，Yixuan Weng111footnotemark:1，Qiyao Sun1,411footnotemark:1，Fang Guo1,2，Zijie Yang1，Qiji Zhou1，Yue Zhang1††thanks:通讯作者。1西湖大学，2浙江大学，3上海创新中心，4中关村实验室 https://airaxiv.com/

## 1 引言

近年来，以大型语言模型（LLM）Brownet al.\(2020 (https://arxiv.org/html/2605.21481#bib.bib1)\); OpenAI \(2023 (https://arxiv.org/html/2605.21481#bib.bib2)\) 和 AI 科学家 Yamadaet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib3)\); Intology \(2025 (https://arxiv.org/html/2605.21481#bib.bib4)\); Autoscience \(2025 (https://arxiv.org/html/2605.21481#bib.bib5)\); Wenget al.\(2025b (https://arxiv.org/html/2605.21481#bib.bib6)\); Shaoet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib7)\) 为代表的 AI 技术在科学研究中取得了显著进展。在人类学术写作中，AI 的参与和辅助正在稳步增加 Khalifa and Albadawy \(2024 (https://arxiv.org/html/2605.21481#bib.bib8)\); Lianget al.\(2024a (https://arxiv.org/html/2605.21481#bib.bib9),2025a (https://arxiv.org/html/2605.21481#bib.bib10)\); Genget al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib11)\)。自 LLM 问世以来，科学出版物的数量大幅增长 Kusumegiet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib12)\)。近期，AI 生成的手稿数量更是急剧增加，一个全自动研究系统能在大约十天内生成超过 100 篇论文 Analemma \(2026 (https://arxiv.org/html/2605.21481#bib.bib13)\)。

以会议和期刊为中心的传统学术出版模式，长期以来一直是传播科学发现的主要途径，如图 1（左）所示。然而，投稿量的快速增长以及学科专业化的不断加深，加剧了合格审稿人的需求，使得审稿质量参差不齐，并延长了从投稿到反馈的周转时间 Hansonet al.\(2024 (https://arxiv.org/html/2605.21481#bib.bib14)\); BaHammam \(2025 (https://arxiv.org/html/2605.21481#bib.bib15)\)。此外，学术会议，尤其是 AI 领域的会议，规模迅速扩大，参会人数急剧增加 Azad and Banu \(2024 (https://arxiv.org/html/2605.21481#bib.bib16)\)。研究人员面临着铺天盖地的信息量，难以建立有意义的联系 Chenet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib17)\)，从而降低了交流与合作的效率。

参考图注图 1：传统学术出版范式（左）与 AI 时代学术出版范式（右）的对比。为应对这些挑战，预印本平台日益流行，提供了一种更为开放和灵活的出版方式。然而，现有的大多数平台仍然依赖人工审核和外部同行评审来控制质量。随着 AI 技术的进步，这一步骤可能不再严格必要。在 AI 的辅助下，作者可以控制自己研究的质量并决定何时发表；同时，在 AI 的支持下，读者也可以决定从海量论文中阅读哪些内容并提供反馈，如图 1（右）所示。此外，AI 科学家需要一个具备标准化系统协议的共享公共平台，以实现自动化的机器到机器出版和快速传播。这种端到端的范式解决了现有学术出版面临的挑战。首先，AI 评审可以提供自动化且一致的评审反馈和质量信号，减少对耗时耗力的人工同行评审的依赖。其次，人类科学家和 AI 科学家都可以快速发表研究发现并及时获得反馈，加速知识的迭代与传播。最后，可以快速组织起某一时期内的相关工作，提升学术交流与合作的精准度。

随着 AI 的快速发展，这种范式已成为可能。作为试验田，我们构建了 AiraXiv111Aira 代表 AI Research Automation（AI 研究自动化）。，这是一个 AI 驱动的开放获取学术出版平台，将所提出的 AI 时代出版范式付诸实践，支持人类与 AI 共同参与学术活动。AiraXiv 提供四项关键能力：(i) 论文理解——帮助解析和总结提交内容，提炼核心贡献；(ii) 基于智能体和模型的 AI 评审——生成结构化反馈和论文级别的质量信号；(iii) 论文检索与推荐——支持在海量语料中进行可扩展的发现；(iv) 轻量级会议支持——让用户能够在同一平台上组织主题性活动。借助 AI 辅助工具，读者可以更高效地识别相关工作、把握关键思想并提供反馈，而作者则可以根据 AI 评审者和社区的反馈迭代发布和更新自己的作品。除了传统的论文类型，AiraXiv 还明确鼓励那些往往被边缘化的贡献，包括负面结果、可重复性研究以及 AI 生成的综述或立场论文。负面结果有助于减少重复探索，特别是在大规模迭代研究中。随着 AI 科学家在知识生产中扮演越来越重要的角色，却缺乏正式的认可渠道，AiraXiv 旨在为人类与 AI 科学家提供一个更具包容性的预印本出版生态系统。

自 2025 年 ICLR AI 合作科学家讨论会 222https://iclr.cc/virtual/2025/social/37591 首次亮相以来，AiraXiv 已在真实的学术环境中得到验证。作为第一届国际 AI 科学家大会（ICAIS 2025）333https://icais.ai/ 的官方投稿和出版平台，AiraXiv 将传统的 9 个月会议周期缩短至 1.5 个月，并成功支持了 200 多名参会者的学术交流，其中包括 6 位诺贝尔奖得主和数十位知名研究人员。除了人类投稿通道，该会议还通过 AiraXiv 开创了 AI 投稿通道，系统性地接受了由 AI 科学家端到端生成或实质性贡献的原创研究。ICAIS 2025 的成功举办不仅展示了 AiraXiv 支持快速、多样且包容的研究生态的能力，也通过为人类和 AI 科学家提供统一的交流空间，验证了其作为 AI 时代下一代研究基础设施的潜力。

## 2 相关工作

##### AI 驱动的科学研究与出版加速。

参考图注图 2：AiraXiv 概览，一个 AI 驱动的开放获取平台，支持人类与 AI 科学家的端到端迭代出版工作流。AiraXiv 集成了论文理解、AI 评审、检索与推荐以及轻量级会议组织，同时通过基于网页的人类交互和基于 MCP 的 AI 科学家交互，支持统一的反馈驱动出版循环。AI 在科学研究中的作用已迅速发展，从支持数据分析演变为由 LLM 驱动的 AI 科学家系统 Luet al.\(2024 (https://arxiv.org/html/2605.21481#bib.bib18)\); Schmidgallet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib19)\); Intology \(2025 (https://arxiv.org/html/2605.21481#bib.bib4)\); Yamadaet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib3)\); Tanget al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib20)\); Wenget al.\(2025b (https://arxiv.org/html/2605.21481#bib.bib6)\); Shaoet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib7)\)。现在，AI 可以在整个研究过程中承担领导角色，包括通过识别未探索的方向来生成假设和想法 Yanget al.\(2024 (https://arxiv.org/html/2605.21481#bib.bib21)\); Baeket al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib22)\)，相关论文的检索与推荐 Zhanget al.\(2025c (https://arxiv.org/html/2605.21481#bib.bib23)\); Heet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib24)\); Shiet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib25)\); Cohanet al.\(2020 (https://arxiv.org/html/2605.21481#bib.bib26)\)，通过结构化文献综合自动生成综述 Wanget al.\(2024 (https://arxiv.org/html/2605.21481#bib.bib27)\); Huet al.\(2024 (https://arxiv.org/html/2605.21481#bib.bib28)\); Yanet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib29)\); Lianget al.\(2025b (https://arxiv.org/html/2605.21481#bib.bib30)\); Zhanget al.\(2025a (https://arxiv.org/html/2605.21481#bib.bib31)\)，以及实验设计、执行和迭代优化 Boikoet al.\(2023 (https://arxiv.org/html/2605.21481#bib.bib32)\); M. Branet al.\(2024 (https://arxiv.org/html/2605.21481#bib.bib33)\); Luet al.\(2024 (https://arxiv.org/html/2605.21481#bib.bib18)\); Schmidgallet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib19)\); Yamadaet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib3)\); Intology \(2025 (https://arxiv.org/html/2605.21481#bib.bib4)\); Autoscience \(2025 (https://arxiv.org/html/2605.21481#bib.bib5)\); Tanget al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib20)\); Wenget al.\(2025b (https://arxiv.org/html/2605.21481#bib.bib6)\)。近期研究表明，LLM 正被广泛用于学术写作 Lianget al.\(2024b (https://arxiv.org/html/2605.21481#bib.bib34),2025a (https://arxiv.org/html/2605.21481#bib.bib10)\); Genget al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib11)\)。当前的 AI 科学家系统不仅能够不知疲倦地生成高质量研究论文 Yamadaet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib3)\); Intology \(2025 (https://arxiv.org/html/2605.21481#bib.bib4)\); Autoscience \(2025 (https://arxiv.org/html/2605.21481#bib.bib5)\); Wenget al.\(2025b (https://arxiv.org/html/2605.21481#bib.bib6)\)，还具备可与人类专家媲美的学术评审能力 Lianget al.\(2024c (https://arxiv.org/html/2605.21481#bib.bib35)\); Wenget al.\(2025a (https://arxiv.org/html/2605.21481#bib.bib36)\); Zhuet al.\(2025 (https://arxiv.org/html/2605.21481#bib.bib37)\); Jiang and Ng \(2025 (https://arxiv.org/html/2605.21481#bib.bib38)\)。AiraXiv 通过提供一个 AI 驱动的开放获取平台，支持可扩展的质量信号、快速传播和迭代的出版后评估，从而应对研究产出快速增长与评审和出版资源有限之间日益加剧的矛盾。

##### 开放获取研究出版平台。

开放获取预印本平台为加速学术交流提供了关键基础设施。其中，arXivGinsparg \(2011 (https://arxiv.org/html/2605.21481#bib.bib39)\) 是最早且最具影响力的预印本平台之一，其提交内容通常在发布前仅进行基本内容和类别审核，而非严格的传统同行评审。学科特定的预印本平台如 ChemRxivKiesslinget al.\(2016 (https://arxiv.org/html/2605.21481#bib.bib40)\)、bioRxivSeveret al.\(2019 (https://arxiv.org/html/2605.21481#bib.bib41)\) 和 medRxivRawlinson and Bloom \(2019 (https://arxiv.org/html/2605.21481#bib.bib42)\) 也采用类似模式，即在正式同行评审之前在其各自领域内公开传播手稿。OpenReviewOpenReview \(2025 (https://arxiv.org/html/2605.21481#bib.bib43)\) 进一步推进了开放的学术交流，支持会议和期刊工作流中的透明同行评审和公开讨论。alphaXivalphaXiv \(2025 (https://arxiv.org/html/2605.21481#bib.bib44)\) 为现有的 arXiv 预印本提供 AI 辅助阅读、注释和讨论。朗涛沙预印本服务器LangTaoSha \(2025 (https://arxiv.org/html/2605.21481#bib.bib45)\) 引入区块链时间戳，以促进开放和可信的知识共享。随着 AI 科学家系统的出现，AgentRxivSchmidgall and Moor \(2025 (https://arxiv.org/html/2605.21481#bib.bib46)\)、aiXivZhanget al.\(2025b (https://arxiv.org/html/2605.21481#bib.bib47)\) 以及 AiraXiv 共同探索了专为 AI 生成研究产出定制的预印本平台。AiraXiv 拥抱一种去中心化的、基于反馈的范式，用于迭代优化和人类与 AI 的学术协作，同时通过轻量级会议机制扩展该范式，使得在同一个不断演进的生态系统内能够举办主题中心的小型会议。我们可以预见，未来将涌现更多平台，共同繁荣并推动 AI 时代新学术范式的进步。

## 3 AiraXiv

AiraXiv 是一个 AI 驱动的开放获取平台，支持人类与 AI 科学家的迭代出版范式。它提供了基于 Web 和 MCP 的工作流，适用于人类用户和 AI 科学家（第 3.1 节），还包括自动化论文理解（第 3.2.1 节）、可插拔的 AI 评审与质量信号（第 3.2.2 节），以及用于可扩展内容发现的检索与推荐功能（第 3.2.3 节）。此外，AiraXiv 还支持轻量级、用户自组织的会议，以便进行以主题为中心的学术交流（第 3.3 节）。图 2 展示了 AiraXiv 的总体概况。

### 3.1 AiraXiv 的设计

AiraXiv 容纳两类不同用户群体，并提供专门的交互模式：(i) 人类用户，通过基于 Web 的界面与平台交互；(ii) AI 科学家，通过模型上下文协议（MCP）服务器以编程方式对接。

##### 人类用户工作流。

人类用户通过基于 Web 的门户界面与 AiraXiv 对接，以管理从提交到更新的完整手稿生命周期。除了浏览和预览论文外，用户还可以利用多种 AI