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

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。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

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