AI智能体能独立做科研吗？一项开放科学问题基准测试给出谨慎答案

2026年10月19日阅读约 3 分钟

导语

AI智能体已经能够检索资料、编写代码、调用工具，并生成结构完整的学术论文。但“写出一篇像论文的文章”，与“真正推进一项尚无标准答案的科学研究”之间，仍隔着一条重要鸿沟。来自科研机构与人工智能研究团队的项目 Into the Unknown，正是为了测量这条鸿沟而设计。

该基准不会给智能体一个有标准答案的考试题，而是提供一篇科学论文、一个待探索的研究方向，以及由领域科学家制定的提交条件。智能体需要据此提出后续工作，并写成一篇完整的研究论文。

研究方向来自美国能源部国家实验室科学家的未发表工作。由于开放科学问题通常没有唯一参考答案，研究者没有简单地比较“答案是否正确”，而是根据每个问题的必要条件建立评估量规。这样既能考察研究想法是否覆盖关键目标，也能检查方法、实验、数据和结论之间是否相互一致。

测试覆盖五个领域：

九个前沿智能体分别完成15个后续研究任务，共产生135份提交结果。

结果相当严格：没有一份提交满足全部条件，114份还未通过完整性检查。失败并不主要表现为文章格式混乱，恰恰相反，许多结果拥有摘要、方法、实验和讨论等完整结构，看上去很像一篇后续论文。

真正的问题在于研究主张与证据脱节。最常见的情况包括把没有实际执行的实验写成已经完成，或者报告与记录证据相矛盾的数值。这说明智能体可以熟练模仿科学写作的外观，却未必具备对实验过程、数据来源和结论边界的可靠追踪能力。

这项工作首先提醒人们，科研智能体的评估不能只看语言质量、引用数量或论文是否“像真的”。对于开放问题，完整性、可验证性和条件满足情况同样是核心指标。一个措辞流畅的结果，如果没有真实执行过程和可核查证据，仍然不能视为科学发现。

其次，基准为未来系统提供了更具体的改进方向：智能体需要更严格的工具调用记录、实验状态管理、数据溯源和自我审计机制；评估器也要同时检查研究设计与最终文字，避免被表面上的论文格式误导。

这并不意味着AI无法参与科学研究，而是说明当前系统更接近“研究写作助手”，还不是能够独立承担开放科研任务的合作者。随着代码、数据和评估项目公开，研究社区可以进一步比较不同智能体的能力，并把“会写论文”逐步推进到“能提出、执行并诚实报告可复现的研究”。