从提出一个科研构想，到设计实验、编写代码、落地验证，再到撰写论文、通过同行评审，这是人类科学家穷尽数年光阴才能走完的科研全链路。长久以来，从0到1的原创科研、触及本质的创造力思考，一直被视作人类独有的核心能力，即便是飞速发展的人工智能，也始终停留在科研辅助的角色，或是只能完成单一环节的碎片化工作。

就在2026年3月25日，国际顶级期刊《Nature》正式刊发重磅研究，彻底打破了这一固有格局：由日本Sakana AI联合英国牛津大学、英属哥伦比亚大学打造的AI科学家系统，首次实现了从科研构思到论文发表的完整端到端自动化，全程无需人类干预，甚至有AI自主生成的论文，成功通过国际顶会ICLR 2025研讨会同行评审，拿到了远超录取线的评审分数。

被选中的 AI 论文节选（来源：https://www.nature.com/articles/s41586-026-10265-5）

这不再是AI帮忙处理数据、润色文字的小步优化，而是AI彻底跳出工具定位，成为真正意义上独立科研主体的里程碑突破。当AI可以自主完成全套科研工作、闯过人类学界最严苛的审稿关卡，不仅意味着AI科研范式完成了颠覆性升级，更直接触及了人类长久以来引以为傲的创造力边界，一场席卷全球学术界的科研革命，就此拉开序幕。

在AI科学家问世之前，人工智能早已融入科研领域，但始终扮演着“得力助手”的角色。无论是帮科研人员处理海量数据、绘制实验图表，还是辅助编写基础代码、简化重复运算，AI都只能针对科研流程中的单个环节发力，无法形成完整的科研闭环，更谈不上独立开展一项完整的研究工作。

这一行业痛点，也正是本次顶刊研究的核心切入点——刊发于《Nature》2026年第651卷、页码914-919的文章《Towards end-to-end automation of AI research》，明确将“实现科研全流程自动化”定为研究核心目标，这也是AI科研领域深耕多年却始终未能突破的长久愿景。

来源：Nature

这篇论文也搭建了完整的研究方法体系，以自回归大语言模型为底层核心技术，融合智能体少样本提示、自我反思迭代机制，同步构建AI科研执行系统与自动化审稿评估两大核心模块，用双系统联动的方式，完成从科研到评审的全链路验证，彻底填补了“单一环节自动化、全流程不通畅”的行业空白。论文开篇也明确指出，过往AI科研仅能落地单一细分任务，始终无法打通从构思到发表的全链路，而本次研究就是要攻克这一核心难题，用完整的实验与数据，验证端到端自动化科研的可行性。

论文由英国牛津大学Chris Lu、英属哥伦比亚大学Cong Lu担任共同第一作者，集结Sakana AI、牛津大学、英属哥伦比亚大学三方科研力量，聚焦机器学习领域展开专项研发（该领域实验可全程在计算机内完成，是验证全流程科研自动化的最佳场景），最终打造出AI科学家系统，进一步颠覆了AI在科研领域的定位。

论文中设计了严谨的对照实验，围绕AI科学家系统设置两大实验场景，同时选用多组公开数据集完成验证：模板模式依托nanoGPT、莎士比亚文本数据集、enwiki8、text8数据集展开，无模板模式则选用作物病虫害检测、Waterbirds、CelebA等多元数据集，全面测试系统的自主科研能力。凭借一套完整的自动化流程，系统独立走完了科研全生命周期，真正实现了无人工干预的自主科研，这也是论文中重点论证的核心技术突破。

整个系统的运作逻辑，完全复刻了人类科研的完整思路，且全程自主推进、自我修正，分为四大核心环节，环环相扣不留缺口。论文中也详细记录，在科研构思阶段，AI被导入指定研究领域后，会自主生成一批研究方向，为每个方向拟定标题、梳理研究理由、设计实验方案，还会从有趣程度、新颖度、可行性三个维度，自主完成1-10分的打分筛选；随后它会对接Semantic Scholar学术搜索引擎，逐一比对现有文献，剔除与已有研究高度重合的点子，只保留具备创新性的研究方向，这一流程也在论文中通过多轮实验数据得到了完整验证。

进入实验执行环节，AI科学家具备两种灵活运作模式，这也是论文核心实验方法的落地体现，进一步夯实自主科研能力。模板模式下，AI会以人类提供的可运行代码为基础，围绕选定方向优化方案，借助Aider代码助手修改代码、运行实验，遇到报错时自主查看日志、修复漏洞，无需人工插手就能推进实验，该模式主要验证AI在既定框架下的优化科研能力；无模板模式更是突破了现有边界，也是论文重点探索的方向，AI从零开始编写代码，通过四阶段树形搜索展开多分支并行探索，从初步可行性验证、超参数调优，到核心研究议程执行、消融实验分析，同一研究方向衍生出不同参数、不同设置的实验分支，并行运算后择优深挖，一步步完善实验逻辑，全程无任何初始代码依托，彻底实现从零到一的自主探索。

来源：https://www.nature.com/articles/s41586-026-10265-5

实验过程中，系统会自动记录运行日志、报错信息、实验指标，生成标准化实验数据，实验结束后，AI会自动整理实验数据、生成可视化图表，形成完整的实验笔记，为后续论文撰写做好充足准备，这一系列流程均在论文中有详细的步骤拆解与数据记录。

完成实验后，AI科学家会进入论文撰写与自主审稿环节，这也是论文全流程自动化的最终闭环。它会将实验笔记、数据图表精准填入学术规范的LaTeX模板，逐节完成引言、研究方法、实验结果、结论等核心内容的撰写，还会再次检索文献、完成引用标注，全程自主修正LaTeX排版错误，最多可完成五次排版纠错，最终生成合格的学术论文。

为了把控论文质量，团队还依据NeurIPS顶会审稿指南，搭建了配套的自动化审稿系统，AI会参照专业审稿标准，完成自我评审、打分、给出优缺点分析，最终综合五份独立审稿结果给出录用或拒稿建议，形成完整的科研闭环，真正做到了从构想来到发表去，全程不依赖人类科研人员。

结合全流程实验与验证，该篇Nature论文也得出核心结论：端到端全流程自动化科研具备落地可行性，AI科学家系统能够产出符合学术规范的科研成果，且系统能力会随底层模型升级、算力资源增加持续提升，这一研究也标志着科研范式迎来了潜在的颠覆性转变，为后续AI科研技术迭代指明了方向。

判断一项AI科研系统是否具备真正价值，从来不是看它能否完成流程化动作，而是看其产出成果能否得到人类学术界的认可。为了验证AI科学家的真实实力，研究团队在获得伦理批准、会议方同意的前提下，将系统自主生成的三篇论文，匿名提交至国际顶会ICLR 2025旗下ICBINB研讨会，接受业内专业同行的盲审评审，这也是对AI科研成果最严苛的“实战测试”。

最终的评审结果，彻底震惊了整个学术界。三篇论文中，有一篇完全由AI在无模板模式下生成、全程无任何人工修改的论文，拿到了6分、7分、6分的评审打分，平均分达到6.33分，远超该研讨会的平均录取分数线。

据主办方反馈，若不是研究团队按照预设方案主动撤稿，这篇论文大概率会被正式录用，成为首篇被顶会收录的完全AI自主生成的学术论文。另外两篇论文虽未达标，但也足以证明，AI科学家已经具备产出合格学术成果的能力，甚至能骗过专业人类审稿人，让审稿专家误以为自己评审的是人类科研学者的研究成果，相当于通过了科研领域的“图灵测试”。

图自unsplash

更值得关注的是，配套的自动化审稿系统，也展现出了比肩人类专业审稿人的实力。研究团队依托顶会过往论文数据展开测试，让自动化审稿系统对论文进行打分评审，结果显示其平衡准确率达到69%，与人类审稿人66%的准确率基本持平；在F1评分维度，自动化审稿系统的表现甚至超越了人类审稿人之间的一致性评分。

为了排除数据污染的干扰，团队专门选用模型训练数据之外的2025年全新论文测试，系统准确率虽降至66%，但依旧与人类审稿人持平，这充分说明，AI审稿并非机械背诵答案，而是真正具备了判断论文质量、分析学术价值的能力。

研究团队还通过大量测试发现，AI科学家的成果质量，具备极强的成长性。论文质量与底层基础模型实力呈正相关，底层模型越先进，生成的论文评分越高；同时，分配的算力资源越充足，实验探索越充分，论文质量也会随之提升。这意味着随着大模型技术的持续迭代、算力成本的不断下降，AI科学家的科研能力会持续升级，未来有望产出更优质、更具创新性的科研成果，而非停留在当下的水平。

AI科学家的问世，无疑为全球科研发展打开了全新大门，带来了前所未有的发展机遇。相较于人类科研人员，AI可以实现7×24小时不间断科研，无需休息、无需调整状态，能持续推进实验探索、试错优化，大幅压缩科研周期；在药物研发、材料设计、气候建模等复杂科研领域，AI能快速处理海量数据、并行探索无数研究方向，攻克人类难以应对的复杂难题，降低科研试错成本，加速科研成果落地。同时，AI科研能打破科研门槛，让更多小众领域、冷门方向得到探索机会，弥补人类科研力量的不足，推动全球科研行业全面提速。

图自unsplash

但我们也要清醒地看到，当下的AI科学家依旧存在诸多局限，远未达到完美的状态。系统偶尔会生成幼稚、缺乏深度的科研构想，实验设计的严谨性、方法论的成熟度依旧不及人类资深学者；代码编写过程中仍会频繁出现漏洞，还存在AI常见的幻觉问题，比如标注错误引用、重复使用图表、强行合理化错误结论等。而且此次三篇论文仅一篇过审，也说明AI科研成果的稳定性不足，无法持续产出高质量学术内容，想要达到顶会主会录取标准，还有很长的路要走。

抛开技术本身的局限，AI科研带来的行业伦理与规则风险，更值得整个学术界警惕。一旦AI自主科研全面放开，批量生成论文的效率远超人类，极易引发学术泡沫，大量低质量AI论文会压垮现有的同行评审体系；更有甚者，会有人利用AI批量造假、学术灌水，破坏学术诚信，侵蚀科研行业的纯净性。

面对这些风险，此次研究团队也展现出了极强的责任担当，不仅主动撤稿所有AI论文，还为所有AI生成论文添加专属水印，同时呼吁学术界尽快出台统一规范，明确AI科研成果的标注、评审、录用规则，守住学术底线。

我们总以为，创造力、原创思考、科研探索是人类永远不会被AI触碰的底线，可当AI科学家真正走完科研全流程、闯过人类审稿关卡，我们不得不承认：科研的时代，真的变了。这不是AI要取代人类科学家，而是人类科研范式迎来了颠覆性的重构，未来的科研领域，不再是人类单打独斗，而是人机协同、共生共进的全新格局。

AI负责高效的流程化科研、重复性试错、海量数据处理，人类则回归核心，把控科研方向、坚守学术伦理、实现真正的原创性思想突破。技术的狂奔永远不会停下，比技术迭代更重要的，是我们尽快建立起适配AI科研的规则体系，让技术向善、为科研赋能。

毕竟，科研的终极目标从来不是追求机器替代人类，而是借助技术的力量，更快、更好地探索未知、破解难题，让科研成果真正造福人类。当AI成为科研路上的最强搭档，人类才能站在更高的地方，触碰更远的科学边界。

【本文中包含的图片均来源于网络，仅用于信息传播和新闻报道目的。我们尊重并保护所有版权拥有者的权利。若有任何版权问题，或版权拥有者不希望图片被使用，请与我们联系，我们将在收到通知后立即处理并删除相关图片。】