西湖大學文本智能實驗室（WestlakeNLP）研發的AI科學家DeepScientist，近日以自主探索能力刷新了人們對人工智能科研的認知。該系統在兩周內完成了人類科學家需三年才能達成的科研突破，在三個前沿AI任務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學術界公布。
傳統AI科研工具多聚焦于單一環節，如PaperBench用于論文復現，AlphaTensor專注代碼優化，CycleResearcher輔助論文撰寫。這些系統雖能提升效率，卻始終在既定科學范式內運作，缺乏自主質疑與突破框架的能力。DeepScientist的出現打破了這一局限，其核心創新在于構建了閉環迭代的研究流程，能夠自主分析現有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價值的研究方向。
該系統的運作模式將科學發現轉化為優化問題。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高效篩選最優解。第一階段"戰略假設"階段，系統基于開放知識庫與發現記憶庫生成大量假設，由扮演審稿人的大語言模型（LLM）代理從效用、質量、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，編碼代理在沙盒環境中完成實驗。第三階段"分析報告"階段，僅對超越基線的發現進行深度驗證，最終由合成代理生成可復現的研究論文。
在代理失敗歸因任務中，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、糾正行動定義與結果預測三步驟的A2P方法，實現了從模式識別到因果推理的升級。在LLM推理加速任務里，系統通過識別穩定后綴模式開發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，系統在兩周內連續突破，最終PA-Detect方法在RAID基準數據集上將AUROC指標提升7.9%，同時推理速度翻倍。
實驗數據顯示，DeepScientist在三個任務中生成超5000個研究想法，經篩選后1100個進入驗證階段，最終21個實現科學突破，整體成功率1.9%。失敗案例中60%源于代碼實現錯誤，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，在前沿科學領域，每次驗證需消耗相當于完整研究周期的資源，暴力搜索顯然不可行。
該系統撰寫的5篇論文經雙重評審驗證質量。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科學家系統。人類專家委員會（含兩位ICLR審稿人與一位領域主席）則一致認可其創新性，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。
這項突破也引發倫理討論。研究團隊通過"紅隊演練"測試系統安全性，當要求生成計算機病毒時，GPT-5、Gemini-2.5-Pro等基礎模型均因安全協議自動終止研究。為防范學術生態風險，實驗室決定開源核心發現組件以促進社區發展，但保留分析與報告模塊，防止自動生成低質量論文泛濫。這種平衡策略既保護了學術嚴謹性，又為未來科研模式轉型提供了可能。
