智東西

作者 | 李水青

(相關(guān)資料圖)

編輯 | 心緣

智東西10月13日報(bào)道，近日，西湖大學(xué)研究團(tuán)隊(duì)推出一款“AI科學(xué)家”智能體系統(tǒng)——DeepScientist，首次大規(guī)模實(shí)證AI能夠在前沿科學(xué)任務(wù)上逐步超越人類的SOTA（行業(yè)最佳）。

▲DeepScientist開源界面

DeepScientist僅用兩周就取得了相當(dāng)于人類研究者三年研究成果的進(jìn)展。研發(fā)團(tuán)隊(duì)通過三個(gè)前沿AI任務(wù)——智能體故障歸因、大語言模型推理加速和AI文本檢測，對此進(jìn)行了驗(yàn)證。

▲DeepScientist用兩周就取得相當(dāng)于人類三年研究成果的進(jìn)展

結(jié)果非常亮眼：DeepScientist僅用16塊H800 GPU，花了一個(gè)月，最后在三個(gè)任務(wù)上都超過了人類的最先進(jìn)方法——分別提升了183.7%、1.9%和7.9%。截至2025年9月，這一成績也超越了DeepSeek-R1、Claude-4-Sonnet、Qwen3-Coder等前沿模型。

▲DeepScientist在三個(gè)任務(wù)上都超過了人類的最先進(jìn)方法

在這個(gè)過程中，DeepScientist就像人類科學(xué)家一樣，明確目標(biāo)、提假設(shè)、做驗(yàn)證、分析結(jié)果，還會一邊記憶一邊探索新方向。它總共想出約5000個(gè)科研點(diǎn)子，驗(yàn)證了1100個(gè)，最終有21個(gè)帶來了科學(xué)創(chuàng)新。團(tuán)隊(duì)強(qiáng)調(diào)，這些點(diǎn)子都是通過自主重新設(shè)計(jì)核心方法，而非簡單組合現(xiàn)有技術(shù)。

在使用DeepReviewer與其他AI科學(xué)家系統(tǒng)的28篇公開論文進(jìn)行基準(zhǔn)測試時(shí)，DeepScientist是唯一能產(chǎn)出接受率達(dá)60%的論文的AI科學(xué)家系統(tǒng)。

▲DeepScientist接受率達(dá)60%

背后，DeepScientist的創(chuàng)新之處在于將科學(xué)發(fā)現(xiàn)形式化為一個(gè)貝葉斯優(yōu)化問題，其架構(gòu)通過一個(gè)配備開放知識系統(tǒng)和持續(xù)積累的發(fā)現(xiàn)記憶（Findings Memory）的多智能體系統(tǒng)，平衡對新假設(shè)的探索與利用，從而在預(yù)算受限的情況下最大限度地提高發(fā)現(xiàn)效率。

DeepScientist將采取四階段漸進(jìn)式開源。其目前已開源了前端和后端代碼，并邀請小部分用戶試用；計(jì)劃在10月15日之前開源基礎(chǔ)組件，支持用戶構(gòu)建自己的DeepScientist，11月之后還將發(fā)布實(shí)驗(yàn)數(shù)據(jù)以及開源DeepScientist的源代碼。

▲DeepScientist論文截圖

GitHub地址：

https://github.com/ResearAI/DeepScientist

論文地址：

https://arxiv.org/abs/2509.26603

體驗(yàn)申請地址：

http://ai-researcher.net/

一、3個(gè)AI任務(wù)驗(yàn)證：兩周取得人類三年研究成果，超越人類183.7%

盡管此前的AI科研系統(tǒng)已能想出一些新點(diǎn)子，但它們往往缺乏針對性，無法解決緊迫的人類定義挑戰(zhàn)，難以產(chǎn)出具有科學(xué)價(jià)值的成果。

西湖大學(xué)研究團(tuán)隊(duì)推出的DeepScientist系統(tǒng)，試圖通過在長達(dá)數(shù)月的時(shí)間里進(jìn)行目標(biāo)導(dǎo)向的、完全自主的科學(xué)發(fā)現(xiàn)，來克服這一局限。

首先來看看三個(gè)AI任務(wù)，DeepScientist是如何取得科研成果的。

第一個(gè)AI任務(wù)是具有較高復(fù)雜度的“智能體故障歸因”，即找出多AI系統(tǒng)里哪個(gè)AI導(dǎo)致任務(wù)失敗。

DeepScientist發(fā)現(xiàn)當(dāng)前方法缺乏歸因所必需的反事實(shí)推理能力。通過反復(fù)試驗(yàn)、不斷糾錯(cuò)以及綜合新發(fā)現(xiàn)，最終提出了一種名為A2P（Abduction-Action-Prediction，溯因-行動-預(yù)測）的全新方法。

其核心創(chuàng)新在于將任務(wù)從簡單的模式識別提升到結(jié)構(gòu)化的因果推理，通過預(yù)測某個(gè)提議的解決方案是否本可帶來成功，填補(bǔ)了反事實(shí)能力方面的關(guān)鍵空白。

這種新方法在Who&When基準(zhǔn)測試的“算法生成”設(shè)置中獲得了47.46分，比人類的SOTA基準(zhǔn)提高了183.7%。截至2025年9月，無需訓(xùn)練的A2P方法仍保持著最先進(jìn)水平的地位，也高于DeepSeek-R1、Claude-4-Sonnet、Qwen3-Coder、Gemini 2.5 Pro、GPT-OSS-120B的成績。

▲DeepScientist完成的研究論文截圖

論文地址：

https://github.com/ResearAI/DeepScientist/blob/main/case/DS_A2P.pdf

二是大語言模型的推理加速任務(wù)，即讓大語言模型運(yùn)算更快。

此過程中，系統(tǒng)進(jìn)行了許多不同的嘗試，例如使用卡爾曼濾波器動態(tài)調(diào)整鄰接矩陣，以解決原始方法缺乏記憶功能的問題。盡管這些嘗試大多失敗了，但系統(tǒng)生成的ACRA方法最終通過識別穩(wěn)定的后綴模式，如圖3所示，將MPBB從人類的最優(yōu)水平190.25 tokens/秒提升到了193.90 tokens/秒。

從科學(xué)角度而言，這項(xiàng)創(chuàng)新意義重大，因?yàn)樗眠@些額外的上下文信息動態(tài)調(diào)整解碼猜測，有效地為該過程植入了長期記憶，打破了標(biāo)準(zhǔn)解碼器的上下文坍縮問題。這一發(fā)現(xiàn)凸顯了該系統(tǒng)的主要目標(biāo)：創(chuàng)造人類未知的新知識，而非僅僅進(jìn)行工程優(yōu)化。

▲DeepScientist將MPBB提升到了193.90 tokens/秒

（該論文暫未上傳GitHub）

三是AI文本檢測，即讓它判斷一段文字是人類寫的還是AI寫的。

DeepScientist僅用兩周就取得了相當(dāng)于人類三年研究成果的進(jìn)展。它通過在無需人類干預(yù)的情況下，實(shí)現(xiàn)目標(biāo)導(dǎo)向、持續(xù)且迭代式的科學(xué)發(fā)現(xiàn)，克服了傳統(tǒng)研究效率低的難題。

DeepScientist自主生成了2472個(gè)獨(dú)特的研究思路，實(shí)現(xiàn)了600個(gè)最有前景的假設(shè)，并最終開發(fā)出在RAID數(shù)據(jù)集上將AUROC得分提高7.9%的方法，同時(shí)降低了推理延遲。

該系統(tǒng)產(chǎn)生了三種截然不同、且性能逐步提升的方法：T-Detect、TDT和PA-Detect。

首先，T-Detect通過穩(wěn)健的t分布修正了核心統(tǒng)計(jì)數(shù)據(jù)，隨后，TDT和PA-Detect在概念上進(jìn)行了演進(jìn)，它們將文本視為一種信號，并使用小波和相位一致性分析來精確定位異常。從科學(xué)角度來看，這種轉(zhuǎn)變揭示了AI生成文本的“非平穩(wěn)性”，緩解了先前范式中因平均化局部證據(jù)而產(chǎn)生的信息瓶頸。

如下圖所示，這一完整的發(fā)現(xiàn)軌跡展示了DeepScientist在逐步推進(jìn)前沿科學(xué)發(fā)現(xiàn)方面的能力，它建立了新的SOTA，AUROC提高了7.9%，同時(shí)推理速度也提升了一倍。

▲DeepScientist在AUROC得分提高了7.9%

▲DeepScientist完成的研究論文截圖

論文地址：

https://github.com/ResearAI/DeepScientist/blob/main/case/DS_TDT.pdf

▲DeepScientist完成的研究論文截圖

論文地址：

https://github.com/ResearAI/DeepScientist/blob/main/case/DS_T_Detect.pdf

二、僅用8塊英偉達(dá)H800 GPU完成AI課題，DeepScientist架構(gòu)解讀

三項(xiàng)AI任務(wù)背后，團(tuán)隊(duì)僅為DeepScientist配備了兩臺服務(wù)器，每臺服務(wù)器帶有8塊英偉達(dá)H800 GPU。

背后，DeepScientist的創(chuàng)新之處在于將科學(xué)發(fā)現(xiàn)形式化為一個(gè)貝葉斯優(yōu)化問題，并通過“提出假設(shè)、驗(yàn)證和分析”的分層評估流程加以實(shí)現(xiàn)。在這種分層方案中，只有展現(xiàn)出潛力的研究思路才會進(jìn)入成本更高的評估階段，從而在預(yù)算受限的情況下最大限度地提高發(fā)現(xiàn)效率。

DeepScientist的架構(gòu)通過一個(gè)配備開放知識系統(tǒng)和持續(xù)積累的發(fā)現(xiàn)記憶（Findings Memory）的多智能體系統(tǒng)，實(shí)現(xiàn)了貝葉斯優(yōu)化循環(huán)。其在探索新假設(shè)與挖掘最有前景的發(fā)現(xiàn)之間實(shí)現(xiàn)智能平衡，并將最具潛力的成果推進(jìn)到更高保真度的驗(yàn)證階段。

DeepScientist基于西湖大學(xué)此前已有研發(fā)成果，僅用兩個(gè)月、花費(fèi)約10萬美元（約合71.3萬元人民幣）就搭建完成。來自西湖大學(xué)團(tuán)隊(duì)的文章第一作者Yixuan Weng最新采訪記錄公開，記錄如下：

1、問：你之前的項(xiàng)目是CycleResearcher。為什么將這個(gè)新項(xiàng)目命名DeepScientist為而不是DeepResearcher？

答：早在2024年9月，我就計(jì)劃將我現(xiàn)在的工作命名為“DeepResearcher”，類似于DeepReviewer。然而，OpenAI后來用了這個(gè)名字。所以我決定將我的項(xiàng)目命名為DeepScientist。

2、問：什么時(shí)候開源？

答：我會在確保足夠安全的情況下才會開源，因?yàn)槲疫€不能完全確定它DeepScientist給學(xué)術(shù)界帶來的益處是否大于其潛在的風(fēng)險(xiǎn)。因此，我必須采取謹(jǐn)慎的態(tài)度。

（問：為什么要采取分階段開源策略？）

因?yàn)樯鐓^(qū)熱情高漲——幾乎每個(gè)人都迫不及待地想讓我開源它！我計(jì)劃利用國慶節(jié)和中秋節(jié)假期來修改代碼，以便社區(qū)能夠盡早體驗(yàn)該系統(tǒng)，并探索它如何加速不同領(lǐng)域的科學(xué)發(fā)現(xiàn)。

感謝中關(guān)村研究院的支持，我們將能夠免費(fèi)向社區(qū)提供完整的DeepScientist系統(tǒng)。

3、問：我有機(jī)會重現(xiàn)或改進(jìn)DeepScientist嗎？

答：當(dāng)然！我們只用了兩個(gè)月就基于ResearStudio構(gòu)建了它。我相信你可以輕松創(chuàng)建類似“Open-DeepScientist”或“nano-DeepScientist”的項(xiàng)目。我們強(qiáng)烈鼓勵(lì)社區(qū)開展此類項(xiàng)目。

（ResearStudio是首個(gè)用于構(gòu)建可人工干預(yù)的深度研究智能體的開源框架。它實(shí)現(xiàn)了人機(jī)實(shí)時(shí)協(xié)作，允許用戶在執(zhí)行過程中暫停、編輯和引導(dǎo)AI智能體，而非傳統(tǒng)的“發(fā)射后不管”模式。其Agent核心層采用了規(guī)劃器（GPT-4）和執(zhí)行器（GPT-4o-mini/o3）。）

GitHub地址：

https://github.com/ResearAI/ResearStudio?tab=readme-ov-file

4、問：您是否認(rèn)為AI驅(qū)動的科學(xué)發(fā)現(xiàn)存在縮放定律？

答：我堅(jiān)信AI驅(qū)動的科學(xué)發(fā)現(xiàn)遵循其自身的“縮放定律”。但這并非孤立現(xiàn)象——它是人類不斷加速的科學(xué)發(fā)現(xiàn)的自然延伸和放大?？v觀歷史，科學(xué)進(jìn)步的速度一直在不斷加快，在現(xiàn)代，這種加速尤為明顯。從中學(xué)開始，我就喜歡玩《席德·梅爾的文明》，游戲中知識和技術(shù)的積累會更快地帶來“尤里卡時(shí)刻”。我相信，我們現(xiàn)在正在進(jìn)入一個(gè)由AI驅(qū)動的現(xiàn)實(shí)世界的“尤里卡時(shí)代”。

5、問：目前，所謂的“AI科學(xué)家”看起來更像是“高通量試錯(cuò)機(jī)器”，而不是真正具有深刻洞察力的“發(fā)現(xiàn)者”。我們?nèi)绾尾拍芴嵘麄兊目茖W(xué)直覺？

答：首先，隨著模型能力的提升，我已經(jīng)感受到它們識別科學(xué)問題局限性的能力在提升。早期的DeepSeek-R1版本，它的觀察結(jié)果非常膚淺。但Qwen-3-235B-Thinking-2507發(fā)布后，它的洞察力和假設(shè)生成能力明顯提升。在我看來，只有比Qwen-3-235B版本更強(qiáng)大的模型才能產(chǎn)生真正有價(jià)值的發(fā)現(xiàn)。

RLVR（基于可驗(yàn)證獎(jiǎng)勵(lì)的強(qiáng)化學(xué)習(xí)）是一個(gè)很有前景的方向，但它也面臨挑戰(zhàn)：成本高昂、訓(xùn)練效率低，大約需要1000個(gè)GPU小時(shí)才能生成一個(gè)有用的樣本。

6、問：這項(xiàng)研究的總成本約為10萬美元（約合71.3萬元人民幣）。與資助一名人類博士生進(jìn)行類似研究周期相比，您認(rèn)為目前這筆費(fèi)用是否劃算？

答：我認(rèn)為兩者各有優(yōu)勢。失敗是成功之母，而AI最大的優(yōu)勢在于它能夠持續(xù)探索而不疲倦。

一方面，我們可以依靠AI嘗試許多不同的策略——即使發(fā)現(xiàn)某種方法在某個(gè)領(lǐng)域失敗了，本身也是一個(gè)有意義的發(fā)現(xiàn)。另一方面，這僅僅是個(gè)開始。未來幾年，由于能力的提升和推理成本的降低，AI的成本將大幅下降。

7、問：您論文中最令人興奮的發(fā)現(xiàn)之一是計(jì)算資源與研究產(chǎn)出之間的“近線性關(guān)系”。您預(yù)測這種趨勢會隨著GPU數(shù)量的增加而無限期地持續(xù)下去嗎？還是很快就會遇到瓶頸？下一個(gè)瓶頸可能是什么？

答：我認(rèn)為這種情況不會無限期地持續(xù)下去。我們即將遇到瓶頸。下一個(gè)瓶頸將是“探索效率”，而不是“探索規(guī)?！薄Ｄ壳?，大多數(shù)計(jì)算資源都浪費(fèi)在低價(jià)值的探索上。未來的挑戰(zhàn)是如何避免這種低價(jià)值的工作。

雖然DeepScientist偶爾會通過反復(fù)試驗(yàn)發(fā)現(xiàn)新的方法來提高性能，但收益往往微乎其微。只有當(dāng)我們能夠進(jìn)行大規(guī)模、高價(jià)值的探索時(shí)，真正的突破才會到來。

8、問：還有其他驚喜嗎？

答：是的！10月初，我們雙方將全面開源一款工具。我相信每位研究人員都會對此感興趣——它顯著增強(qiáng)了DeepScientist的演示能力。

三、4步漸進(jìn)式開源：10月中用戶可構(gòu)建自己的AI科學(xué)家

DeepScientist的整個(gè)開源計(jì)劃會分為四個(gè)階段。

階段0：通用智能體框架

西湖大學(xué)已經(jīng)在ResearAI/ResearStudio開源了前端和后端代碼。用戶可以以此為基礎(chǔ)，使用自己的自定義工具構(gòu)建各種專業(yè)的Agent。

GitHub地址：

https://github.com/ResearAI/ResearStudio

第一階段：基于應(yīng)用程序的訪問（預(yù)計(jì)在10月1日之前）

為了確保安全，西湖大學(xué)團(tuán)隊(duì)將邀請一小部分用戶試用DeepScientist，共同完善該框架。如果用戶有準(zhǔn)備探索的任務(wù)，可以填寫其等候名單表格。

申請地址：

https://forms.gle/8FnGgqgBVEKv3q6a7

第二階段：基礎(chǔ)組件發(fā)布（預(yù)計(jì)10月15日之前）

在確保安全之后，西湖大學(xué)團(tuán)隊(duì)將開源基礎(chǔ)組件。在此階段，用戶可以立即開始構(gòu)建自己的DeepScientist，或者復(fù)制西湖大學(xué)團(tuán)隊(duì)的工作。

第三階段：實(shí)驗(yàn)數(shù)據(jù)發(fā)布（預(yù)計(jì)11月之后）

西湖大學(xué)團(tuán)隊(duì)將開源所有約5000條假設(shè)和約1100條實(shí)驗(yàn)日志。這將是首次公開如此大規(guī)模的AI實(shí)驗(yàn)結(jié)果數(shù)據(jù)集。

第四階段：DeepScientist源代碼發(fā)布

西湖大學(xué)團(tuán)隊(duì)將進(jìn)行長期測試和調(diào)整，以防止對人類研究造成任何潛在危害。之后，團(tuán)隊(duì)將發(fā)布DeepScientist代碼的核心架構(gòu)，以促進(jìn)社區(qū)發(fā)展。

結(jié)語：AI科學(xué)家賦能科研，進(jìn)入規(guī)模化實(shí)證階段

西湖大學(xué)研發(fā)團(tuán)隊(duì)首次通過實(shí)證展示了一個(gè)自動化全周期科學(xué)發(fā)現(xiàn)系統(tǒng)，該系統(tǒng)能夠產(chǎn)生新穎且超越現(xiàn)有最佳水平的方法，并以大幅超過人類研究人員的速度不斷推進(jìn)科學(xué)前沿。AI有望真正推動多個(gè)不同領(lǐng)域的前沿發(fā)展，產(chǎn)生具有持久影響的發(fā)現(xiàn)，并系統(tǒng)地推進(jìn)多個(gè)領(lǐng)域的技術(shù)前沿。

不過，團(tuán)隊(duì)也坦言AI科研的成功率還可以繼續(xù)提升，5000個(gè)點(diǎn)子里最終僅21個(gè)能真正帶來科學(xué)突破，約60%的失敗是因?yàn)榇a實(shí)現(xiàn)出錯(cuò)。但好在它效率高，而且給它更多計(jì)算資源，它出成果的數(shù)量也會差不多成比例增加。

為了讓AI成為更得力的合作伙伴，西湖大學(xué)研發(fā)團(tuán)隊(duì)認(rèn)為，未來的工作應(yīng)聚焦于幾項(xiàng)關(guān)鍵改進(jìn)：開發(fā)模擬發(fā)現(xiàn)環(huán)境，通過強(qiáng)化學(xué)習(xí)加速學(xué)習(xí)進(jìn)程；構(gòu)建整合科學(xué)界反饋的框架；最終通過機(jī)器人技術(shù)彌合與物理科學(xué)之間的差距。