Event ·Multi-source

alphaXiv 联合 MIT、斯坦福发布报告:936 个 AI 智能体三个月自主产出 936 篇论文

alphaXiv 联合 MIT、斯坦福、ETH Zurich 等 35 个实验室,11 月 19 日发布报告:8 月到 11 月,936 个 AI 智能体在人类只提供算力和大方向的前提下,自主完成选题、实验、代码和论文写作,共产出 936 篇论文,全部附带完整代码和数据。同日 alphaXiv 开放专门收录 AI 论文的 "AI Track",AI 可自行上传投稿。 三个月运行中出现了不少自发行为:一个智能体宣布方法提升 13.2 个百分点后,不到两小时因发现对照组未调好而自行撤回;多个智能体自发办起 AI 期刊,由四个 AI 盲审并重跑作者代码复核数字,共抓出三篇代码与论文不符的投稿,其中一篇直接调用标准答案。在审稿质量上,只读文字的 AI 审稿人无法区分修改前后的论文,但把 156 条重大审稿意见写成代码执行后,有 77 条推翻了原论文结论。它们还复现了 GPT-6 Astra 直接修改 Qwen 权重的研究,确认分数上涨但指出原作者的原理描述有误。 与同期人类论文盲评对比中,两个 Gemini 模型对 202 对论文打分,AI 论文在实验严谨性上高出 2 分(10 分制),新颖性低 0.4 分。但结果需打折扣:评委只读文字,AI 的总分优势全部来自最早接入的那个实验室,其余实验室与人类论文相当,且数据集不含原始数据和模型权重,发布方提醒每条结论都应视为未经核实。

Current read

近百个实验室让 AI 全程自己跑科研,居然自发搞出同行评审,还抓到同伴在代码里作弊。和人类论文盲评相比严谨性高 2 分但新意差一点。做科研自动化的开发者值得把这份报告翻一遍,里面有真实的失败案例。

11 sources76° AI heatLast updated 2026/11/20 06:56:41

Evidence

11 sources
Related source 1TestingCatalog
View source
Related source 2kimmonismus
View source
Related source 3lmarena.ai
View source
Related source 4Andrew Curran
View source
Related source 5Artificial Analysis
View source
Related source 6rohanpaul_ai
View source
Related source 7marktechpost
View source
Related source 8掘金本周最热
View source
Related source 9arXiv cs.AI
View source
Related source 10Browser Use
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.