西湖大學(xué)文本智能實驗室（WestlakeNLP）研發(fā)的AI科學(xué)家DeepScientist，近日以自主探索能力刷新了人們對人工智能科研的認(rèn)知。該系統(tǒng)在兩周內(nèi)完成了人類科學(xué)家需三年才能達成的科研突破，在三個前沿AI任務(wù)中成功超越了人類最先進方法（SOTA），其成果通過論文正式向全球?qū)W術(shù)界公布。

傳統(tǒng)AI科研工具多聚焦于單一環(huán)節(jié)，如PaperBench用于論文復(fù)現(xiàn)，AlphaTensor專注代碼優(yōu)化，CycleResearcher輔助論文撰寫。這些系統(tǒng)雖能提升效率，卻始終在既定科學(xué)范式內(nèi)運作，缺乏自主質(zhì)疑與突破框架的能力。DeepScientist的出現(xiàn)打破了這一局限，其核心創(chuàng)新在于構(gòu)建了閉環(huán)迭代的研究流程，能夠自主分析現(xiàn)有SOTA方法的短板，并通過故障歸因機制提出兼具新穎性與科學(xué)價值的研究方向。

該系統(tǒng)的運作模式將科學(xué)發(fā)現(xiàn)轉(zhuǎn)化為優(yōu)化問題。在包含所有可能研究方法的巨大空間中，DeepScientist通過分層三階段探索循環(huán)高效篩選最優(yōu)解。第一階段"戰(zhàn)略假設(shè)"階段，系統(tǒng)基于開放知識庫與發(fā)現(xiàn)記憶庫生成大量假設(shè)，由扮演審稿人的大語言模型（LLM）代理從效用、質(zhì)量、探索價值三維度評分。第二階段"實施驗證"階段，采用"上置信界"算法平衡利用高潛力想法與探索不確定性想法，編碼代理在沙盒環(huán)境中完成實驗。第三階段"分析報告"階段，僅對超越基線的發(fā)現(xiàn)進行深度驗證，最終由合成代理生成可復(fù)現(xiàn)的研究論文。

在代理失敗歸因任務(wù)中，DeepScientist識別出人類SOTA方法缺乏反事實推理能力的缺陷，提出包含溯因推理、糾正行動定義與結(jié)果預(yù)測三步驟的A2P方法，實現(xiàn)了從模式識別到因果推理的升級。在LLM推理加速任務(wù)里，系統(tǒng)通過識別穩(wěn)定后綴模式開發(fā)ACRA方法，將吞吐量從190.25 tokens/s提升至193.90 tokens/s。最引人注目的是AI文本檢測任務(wù)，系統(tǒng)在兩周內(nèi)連續(xù)突破，最終PA-Detect方法在RAID基準(zhǔn)數(shù)據(jù)集上將AUROC指標(biāo)提升7.9%，同時推理速度翻倍。

實驗數(shù)據(jù)顯示，DeepScientist在三個任務(wù)中生成超5000個研究想法，經(jīng)篩選后1100個進入驗證階段，最終21個實現(xiàn)科學(xué)突破，整體成功率1.9%。失敗案例中60%源于代碼實現(xiàn)錯誤，40%為想法本身無效。這種"大漏斗"式篩選機制確保了計算資源的高效利用，在前沿科學(xué)領(lǐng)域，每次驗證需消耗相當(dāng)于完整研究周期的資源，暴力搜索顯然不可行。

該系統(tǒng)撰寫的5篇論文經(jīng)雙重評審驗證質(zhì)量。AI審稿人DeepReviewer在盲審中將DeepScientist論文接受率評為60%，顯著高于其他AI科學(xué)家系統(tǒng)。人類專家委員會（含兩位ICLR審稿人與一位領(lǐng)域主席）則一致認(rèn)可其創(chuàng)新性，論文平均得分5.00，與ICLR 2025提交論文平均分（5.08）接近，兩篇獲5.67高分。

這項突破也引發(fā)倫理討論。研究團隊通過"紅隊演練"測試系統(tǒng)安全性，當(dāng)要求生成計算機病毒時，GPT-5、Gemini-2.5-Pro等基礎(chǔ)模型均因安全協(xié)議自動終止研究。為防范學(xué)術(shù)生態(tài)風(fēng)險，實驗室決定開源核心發(fā)現(xiàn)組件以促進社區(qū)發(fā)展，但保留分析與報告模塊，防止自動生成低質(zhì)量論文泛濫。這種平衡策略既保護了學(xué)術(shù)嚴(yán)謹(jǐn)性，又為未來科研模式轉(zhuǎn)型提供了可能。