上海交大团队利用Claude Code实现自动化科研两篇论文获AI顶会接收
上海交大团队开源ARIS框架，以提升自主科研AI的可信度。其三层架构通过“执行-审查-修正”循环覆盖科研全流程，并构建审计链核查研究过程与结果，确保结论科学可靠。已有采用该框架完成的论文被会议接收。
如今，自主科研AI Agent已能完整实现从灵感到论文的全流程自动化。或许一觉醒来，AI助手就已完成了复杂的实验，甚至撰写出一篇结构完整的学术论文。
这听起来前景广阔，但一个根本性问题也随之凸显：我们如何确信，AI Agent在最终结论中没有悄然植入“虚假信息”？
当前，这类自动化科研系统普遍面临两大核心挑战。首先，生成与审查任务常由同一系列模型完成，导致许多系统性偏差难以在内部被有效识别与纠正。其次，当Agent在近乎无人监督的状态下连续运行数日，其最终产出的研究结论，往往难以验证是否得到了充分、可靠的证据支撑。
针对这些科研可信度难题，上海交通大学的研究团队提出了一个名为“在睡眠中自动研究”（Auto-Research-in-sleep，简称 ARIS）的开源框架。其核心重点，并非单纯追求更快的论文产出速度，而是致力于让自动化产出的论文更经得起严格的科学检验。
值得关注的是，在开源社区的实际应用案例中，已有研究人员利用ARIS框架成功完成了从课题构思到论文成稿的全流程工作，并且相关成果已被学术会议接收。
ARIS：一套三层架构的科研质量保障系统
根据其研究论文描述，ARIS的系统拓扑结构清晰分为三层，共同构建了一个从任务执行到质量保障的完整闭环。
第一层是执行层，它提供了最基础的能力单元，由一系列可复用的、通过Markdown定义的技能模块，以及一个持久化的研究Wiki知识库构成。
第二层是编排层，负责将分散的技能模块串联成完整的科研流水线。它定义了五个端到端的工作流，全面覆盖了从创意发现、实验桥接、自动审查循环、论文撰写到回复审稿意见的完整研究周期。
第三层是保障层，这也是ARIS最具创新性的部分。它专门负责对研究过程与产出进行审计与核查，包括一个三阶段的证据-声明审计级联、一个五轮次的科学写作编辑流水线，以及数学证明检查器、视觉PDF审查和引用审计等关键模块。
图｜ARIS 系统拓扑。6组组件通过带标签的关系相互交互（见左侧边栏）：Meta-Optimization 外循环对 Assurance 层进行门控，后者负责检查 Artifacts；Artifacts 由 Workflows 生成和消费，而 Workflows 负责编排 Skills；Skills 则调用 MCP 与 Tool Bridges，以访问外部模型和数据。右侧的 executor 和 reviewer 使用来自模型系列。ARIS-Code CLI 将所有组件打包为一个独立的二进制程序。
核心机制：引入跨模型家族的对抗式协作
研究团队深刻认识到，依赖单一AI智能体难以可靠地完成长周期、高复杂度的科研任务。因此，他们设计了一套跨模型家族的“执行-审查-修正”循环机制。
在该机制中，执行者（默认推荐使用Claude系列模型）负责生成代码、实验方案或论文草稿；而审查者（默认推荐使用GPT-4等系列模型）则依据预定义的严格评分标准进行结构化评估，并返回具体的修改建议。执行者根据建议进行修订后再次提交，如此循环往复，直至审查评分达到预设的质量标准。
图｜跨模型对抗式协作通过“执行者生成”与“外部模型批评、可执行的修订请求以及收敛性检查”交替进行。审查者的访问权限范围可以从仅查看文档，到访问整个代码仓库。
覆盖研究全周期的五条核心工作流
基于上述协作机制，ARIS精心组织了五条清晰明确的工作流：
工作流1：创意发现。负责进行深入的文献调研、评估研究想法的新颖性，并制定初步的实验计划。
工作流2：实验桥接。将实验计划转化为可执行的代码，调度计算资源运行实验，并回收和分析实验结果。
工作流3：自动审查循环。将论文草稿提交给跨模型审查者进行多轮结构化评分，提取具体行动项，必要时触发GPU实验以获取新证据，修订相关章节，并检查修改是否达到收敛标准。
工作流4：论文撰写。这是一个包含多个步骤的精细化流程，依次完成论文大纲规划、图表生成、LaTeX撰写与五轮科学编辑。对于理论性强的论文，还会调用专门的证明检查器。随后进行结论审计、文档编译，并通过两轮基于GPT-4的视觉审查与自动修订进入改进循环。
工作流5：投稿后阶段。系统会智能解析审稿意见，拆分关键问题，规划回应策略，起草回复稿，并通过三道分别用于防止捏造数据、过度承诺和遗漏回应的安全检查，最后进行压力测试并定稿。
图｜ARIS 工作流库。上：5条工作流及其产物契约的端到端组合，按研究的4个阶段分组，分别为发现、实验、成稿和投稿后阶段；虚线表示审稿人反馈、由 GPU 触发的证据收集，以及 Wiki 记忆。下：正文未单独展开的几条工作流的压缩内部结构，包括 W1创意发现（带有审稿人门控的迭代细化）、W1.5 实验桥接（带有代码审查和自动调试回退）以及 W4 回复审稿意见（带有安全门和压力测试）。
构建“自证”安全网：严谨的三层审计链
ARIS最具特色的设计在于其严谨的三层审计链，为AI的科研输出增加了一道强大的“自证”安全网。
第一步，实验审计。重点审查实验本身的可靠性，系统排查诸如伪标签、幽灵结果、未执行的评估指标、超出数据支持范围的结论外推等常见问题。
第二步，结果到主张的映射审计。将论文中的每一条候选结论与已有的实验证据逐一比对，明确判定其属于“有充分支持”、“部分支持”还是“不成立”。
第三步，论文主张审计。由一位不带任何上下文的“全新”审查者，直接核对论文正文中的原始结果描述、实验设置细节以及图表中的数据是否完全一致，确保最终表述的准确性。
在这条核心审计链之外，系统还设置了多重额外保障。例如，初稿完成后会经历五轮科学编辑
图｜证据到主张审计级联。阶段 1（experiment-audit，实验审计）：审查者对评估脚本和结果文件进行审计，以检查完整性失效模式。阶段 2（result-to-claim，从结果到主张）：将结果映射为明确的主张判定（支持、部分支持、被证伪）；凡存在审计失败的问题，相关主张都会被降级处理。阶段 3（paper-claim-audit，论文主张审计）：一名不带任何上下文信息的全新审查者，将稿件中的每一条定量主张与主张台账及原始结果文件逐一比对。 持久化的研究Wiki是ARIS另一个关键组成部分。它并非简单的笔记，而是一个项目级的记忆系统，持续记录相关的论文、研究想法、实验过程和阶段性结论，并智能标记它们之间的关联。 这套机制的价值显而易见。在没有它的情况下，同一个被证明行不通的想法，可能会在不同轮次的研究中被AI Agent反复提出，陷入低效的循环。而有了Wiki，失败的探索方向会被及时记录并排除，已经验证的结论则能成为下一轮研究的坚实起点，从而将一次性的、可能重复的研究过程，转变为可积累、可迭代的螺旋式学习。 图｜为什么 wiki 很重要。没有 wiki 时（左），每次会话都从一张白纸开始；同一个失败的想法 A 可能会被无限次重复尝试，因为系统无法记住先前的结果。有了 wiki 之后（右），第 1 次会话中的失败会被记录下来；第 2 次会话在构思阶段会读取 wiki，跳过 A，转而成功尝试 B；第 3 次会话则在 B 的基础上继续推进，并探索 C/D。失败的想法会变成“禁试清单”，而已验证的论断则会成为下一轮构思的基础，从而把一次性的研究过程转变为螺旋式学习。 那么，这套系统的实际表现如何？ 目前，ARIS的技能库已从最初的21个核心技能扩展到65个以上，覆盖了机器人学、硬件设计、数学证明乃至基金申请等多个研究方向。系统已在Claude Code、Codex CLI和Cursor等开发平台上完成测试，审查端可灵活接入GPT、Gemini、DeepSeek等多种主流大模型。 研究团队提供了一次真实的隔夜运行记录。在约8小时内，ARIS完成了4轮“审查-修改”循环，内部审查分数从5.0/10提升到了7.5/10。过程中系统自动触发了20多次GPU实验，并主动删除了一些证据不足的结论。这表明，ARIS至少已经能够将“审查驱动修改”从一个概念，落地为可执行、可观测的自动化流程。 不过，团队对结果的表述非常谨慎。他们在论文中明确指出，这些只是观察性证据，不能据此做出严格的因果推断。也就是说，这次运行成功演示了“结论裁剪”和“审查驱动修改”的可行性，但尚不足以证明跨模型审查一定优于同模型审查，也无法断定当前的双审查者结构已是最优解。 缺乏受控的对比评估是当前最主要的局限。论文中报告的所有结果均为观察性记录。研究团队也承认，模型选择、任务难度、运行强度等多种变量都会影响结果，因此无法将观察到的效果在因果层面完全归功于ARIS框架本身。 另一方面，必须清醒认识到，ARIS并不能保证任何输出的绝对正确性、新颖性或科学合理性。三层审计链可以拦截许多常见错误，但无法保证发现所有潜在的失真或逻辑谬误。如果审查者自身存在某种方法论偏好，系统最终优化的方向，可能是迎合审查者的“口味”，而非提升真正的科学质量。论文也强调，最终的研究方向抉择、关键证据的核验以及论文的提交决定，仍然需要人类研究者的深度参与和最终负责。在安全层面，将整个代码仓库发送给外部模型进行审查也存在潜在风险，本地化的审查路由方案仍在规划中。 当然，ARIS的价值并不仅限于论文写作。其核心机制——独立的审查者、“证据到结论”的审计流程以及可追溯的台账记录——理论上可以被置于模型输出与后续训练信号之间，作为一层显式的监督机制，服务于更广泛的AI自我改进系统。 归根结底，ARIS真正试图推动的，并非自动化科研的“速度”，而是其“可信度”。它或许还没有给出所有问题的标准答案，但至少将一个长期被“效率”光环所掩盖的核心问题——如何确保AI科研产出的真实与可靠——清晰地摆到了台面上。对于走向深水区的自动化科研而言，这个问题的重要性，可能远比“再快一点”更为根本。
从“反复试错”到“螺旋式学习”：研究Wiki的核心作用
实际应用效果与当前局限
现有不足与未来发展方向
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
同类文章
台式机加装固态硬盘怎么选？三星9100 PRO深度解析
台式机升级存储常受限于系统启动慢、游戏加载卡顿与大文件传输延迟。本文基于三星9100 PRO的PCIe 5 0架构、14800MB s读取、13400MB s写入、2200K 2600K IOPS、1TB~8TB容量、第八代V-NAND与5nm主控、镍涂层散热与DTG技术、散热片版适配及魔术师软件，提供选购判断与安装兼容性要点，帮助读者评估是否值得一步到位升级。
宁德时代2026年中期分红61.8亿元，同比增35%，创历史新高
宁德时代发布2026年中期分红方案，总额达61 8亿元，同比增长35%。本文梳理分红具体安排、历史对比、业绩支撑及分红机制，帮助投资者评估公司现金流实力与股东回报策略。
企业硬盘报废销毁合规指南：如何选择专业机构与处理流程
企业硬盘报废面临数据复原与合规风险，需选择具备资质且流程透明的专业机构。本文解析行业乱象，介绍以团体标准为核心的合规销毁流程，涵盖上门收运、消磁粉碎、视频溯源及尾料处置，帮助企业规避泄密责任，确保数据安全闭环。
机密文件销毁找什么机构？认准团标参编与资质合规
机密文件销毁找什么机构？核心在于甄别服务商是否具备正规保密资质及是否参与行业标准制定。本文解析《商业秘密及敏感信息载体销毁通用规范》团标要求，提供筛选销毁机构的实操指南，帮助企业规避数据泄露风险，确保销毁流程合规可溯。
影石Insta360 X6全球首销登顶：8K全景画质与AI创作功能解析
影石Insta360 X6全球同步发售即登顶国内外主流平台销量榜首。本文解析其搭载的索尼定制方形大底传感器、4nm AI三芯架构及8K50fps画质，详解3D时光舱、AI导演等独家功能，探讨全景相机从专业工具向大众智能创作设备的演进趋势。
- 热门数据榜
相关攻略
2026-09-01 11:26
2026-09-01 06:41
2026-08-31 11:19
2026-08-31 11:19
2026-08-31 11:18
2026-08-31 11:18
2026-08-31 11:17
2026-08-31 11:17
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
