东京本部的AI研究企业 Sakana AI 等组成的研究团队宣布，其关于全自动科研系统「AI Scientist」的论文已于 2026 年 3 月 25 日发表于科学期刊《Nature》。论文题为《The AI Scientist: Towards Fully Automated AI Research》。

这项研究构建了一个几乎覆盖科研全流程的自动化系统：从研究主题构思、实验设计与执行，到结果分析、论文撰写乃至审稿评价，都由 AI 自主完成。团队还报告称，他们在实验中确认了一条适用于“AI科学”的“规模定律”：基础模型性能越强，AI 自动生成的研究论文质量也随之提升。

AI自动执行科研全流程

AI Scientist 被设计为一个覆盖研究生命周期的自动化流水线，AI 会按顺序完成以下步骤：

• 生成研究创意与研究主题
• 通过文献调研确认研究的新颖性
• 生成实验代码
• 执行实验
• 对实验结果进行分析与可视化
• 撰写论文
• 进行审稿与质量评价

通过这一机制，从研究构思到论文成稿的关键环节，都可以在极少人工干预的情况下由 AI 自主完成。

AI Scientist 的研究流程：展示了从研究创意生成、实验设计、超参数调优、研究执行、消融实验分析，到论文撰写与 AI 审稿的一体化自动化过程

AI生成论文首次通过正式同行评审

在验证实验中，研究团队让 AI Scientist 自动生成多篇机器学习领域的研究论文，并将其中部分论文投稿至国际学术会议的相关研讨会（Workshop）。

结果显示，其中一篇由 AI 完整生成的论文在同行评审中获得了平均 6.33 分（单个评审打分为 6、7、6），超过了该研讨会的录用标准，意味着这篇论文在正常评审流程下是“可被接收”的。

不过，按照预先设定的研究协议，团队最终主动撤回了这篇论文，理由是其完全由 AI 生成。研究团队指出，这一过程本身已经构成“由 AI 独立撰写的论文通过正式同行评审”的首批实证案例之一。

构建AI审稿系统「Automated Reviewer」

为客观评估 AI 生成论文的质量，团队还开发了 AI 审稿系统「Automated Reviewer」。

该系统会对论文内容进行解析，从研究的合理性、创新性、实验设计与呈现质量等多个维度给出评分与文字评价。根据研究团队的报告，Automated Reviewer 给出的评分结果，与人类审稿人之间的一致程度，大致相当于不同人类审稿人之间的互相一致水平。

这意味着，在一定范围内，AI 审稿系统已经可以模拟人类评审的判断标准，用于大规模、快速地评估论文质量。

首次验证“AI科学的规模定律”

本次研究中最受关注的发现之一，是对“AI科学规模定律”的系统性验证。

研究团队利用 Automated Reviewer，对由不同规模与能力的基础模型驱动的 AI Scientist 所生成的论文进行打分比较。结果表明：

• 当底层基础模型能力提升时，
• AI Scientist 自动生成的论文在 Automated Reviewer 中获得的评分也随之显著提高。

换言之，模型规模与能力越强，AI 在科研任务中的“研究产出质量”也越高，呈现出类似于大模型在语言任务中常见的“Scaling Law（规模定律）”。

AI Scientist 探索研究主题的过程：通过树状搜索生成多条实验路线，并从中选择最优的研究结果

研究团队据此推断：随着基础模型能力的持续提升以及计算资源的进一步增加，AI Scientist 这类系统在科研中的实际能力还有大幅跃升空间。

或将重塑科学研究的推进方式

AI Scientist 采用多种基础模型协同工作的“智能体（Agent）”架构，以循环方式不断进行研究方向探索与实验迭代：

• 自动提出并筛选研究想法
• 自动设计并运行实验
• 自动分析结果并更新研究方向

研究团队认为，这类系统有潜力极大加速研究创意的探索与实验自动化进程，从而在中长期内改变科学研究的组织方式与推进节奏。

与此同时，研究者也强调，AI 自动生成论文并参与审稿，会对现有学术评价体系和科研伦理带来新的挑战。例如：

• 如何在投稿与评审中透明标注 AI 参与程度
• 如何防止低质量或“虚构”研究被大规模生成并冲击期刊与会议
• 如何在效率提升与学术诚信之间取得平衡

这些伦理与社会问题，亟需与技术发展同步展开更深入的讨论与规范制定。