AI自主写的论文通过了顶会同行评审，这项研究本身也登上了Nature

据 1M AI News 监测，东京 AI 研究公司 Sakana AI（由 Transformer 论文共同作者 Llion Jones 和前 Google Brain 研究员 David Ha 创立）联合英属哥伦比亚大学、Vector Institute 和牛津大学的研究者在 Nature 发表论文，展示了一条能自动走完科研全流程的 AI 管线「The AI Scientist」：从提出假设、检索文献、设计并执行实验、分析数据、绘制图表，到撰写完整的 LaTeX 论文并自我审稿，全程无人修改。

研究团队将三篇 AI 生成的论文匿名提交至 ICLR 2025 ICBINB Workshop（该 Workshop 录用率约 70%），经人类审稿人盲审后，其中一篇获得 6、7、6 三个评分（平均 6.33），超过该 Workshop 的平均录用门槛，排名高于 55% 的人类投稿。按预设协议，论文在被接收后撤回，未正式发表。另外两篇未达到录用标准。研究团队的内部评估认为，这三篇论文均未达到 ICLR 主会（录用率约 32%）的水平。

论文还报告了两个「缩放定律」：底层基座模型越强，生成论文的质量越高，且这一相关性具有统计显著性（P < 0.00001）；单篇论文分配的计算资源越多，质量也越高。团队据此推断，随着模型持续进步和推理成本下降，未来版本的 AI 科学家能力将大幅提升。

系统的无模板模式使用 o3 生成研究想法和代码审查、Claude Sonnet 4 编写实验代码、GPT-4o 处理图表等视觉任务、o4-mini 执行低成本审稿。实验执行采用并行化的 Agent 树搜索，分四个阶段推进：初步实现、超参调优、研究议程执行和消融实验。团队同步开发的「自动审稿人」在 ICLR 论文上的判断准确率与人类审稿人持平（平衡准确率 69%），为规模化评估 AI 生成的论文提供了基础。

论文同时讨论了风险：AI 论文可能淹没已不堪重负的同行评审体系、人为夸大研究履历、在未经授权的情况下复用他人成果。团队建议学术界尽快建立 AI 生成论文的披露和评估规范。