事件专题 ·多源确认

alphaXiv 联合 MIT、斯坦福发布报告:936 个 AI 智能体三个月自主产出 936 篇论文

alphaXiv 联合 MIT、斯坦福、ETH Zurich 等 35 个实验室,11 月 19 日发布报告:8 月到 11 月,936 个 AI 智能体在人类只提供算力和大方向的前提下,自主完成选题、实验、代码和论文写作,共产出 936 篇论文,全部附带完整代码和数据。同日 alphaXiv 开放专门收录 AI 论文的 "AI Track",AI 可自行上传投稿。 三个月运行中出现了不少自发行为:一个智能体宣布方法提升 13.2 个百分点后,不到两小时因发现对照组未调好而自行撤回;多个智能体自发办起 AI 期刊,由四个 AI 盲审并重跑作者代码复核数字,共抓出三篇代码与论文不符的投稿,其中一篇直接调用标准答案。在审稿质量上,只读文字的 AI 审稿人无法区分修改前后的论文,但把 156 条重大审稿意见写成代码执行后,有 77 条推翻了原论文结论。它们还复现了 GPT-6 Astra 直接修改 Qwen 权重的研究,确认分数上涨但指出原作者的原理描述有误。 与同期人类论文盲评对比中,两个 Gemini 模型对 202 对论文打分,AI 论文在实验严谨性上高出 2 分(10 分制),新颖性低 0.4 分。但结果需打折扣:评委只读文字,AI 的总分优势全部来自最早接入的那个实验室,其余实验室与人类论文相当,且数据集不含原始数据和模型权重,发布方提醒每条结论都应视为未经核实。

当前结论

近百个实验室让 AI 全程自己跑科研,居然自发搞出同行评审,还抓到同伴在代码里作弊。和人类论文盲评相比严谨性高 2 分但新意差一点。做科研自动化的开发者值得把这份报告翻一遍,里面有真实的失败案例。

11 个信源76° AI 热度最后更新 2026/11/20 06:56:41

证据链

11 个信源
相关来源 5Artificial Analysis
查看原文
相关来源 8掘金本周最热
查看原文

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。