Agent不是关键！人大AiScientist实现23小时、74轮长程记忆
来源：互联网 2026-04-21 18:20:04自动化科学研究：AI如何接手长程机器学习研究工程 编辑：LRST 自动化科学研究已成为人工智能领域备受关注的前沿方向。在机器学习场景下，越来越多的系统能够参与到从想法生成、文献综述、定向实验到科学写作等研究环节中。无论是从论文到代码，还是从实验到分析，AI for Research 的应用边界都在快
自动化科学研究：AI如何接手长程机器学习研究工程
编辑：LRST
自动化科学研究已成为人工智能领域备受关注的前沿方向。在机器学习场景下，越来越多的系统能够参与到从想法生成、文献综述、定向实验到科学写作等研究环节中。无论是从论文到代码，还是从实验到分析，AI for Research 的应用边界都在快速扩展。
长期稳定更新的攒劲资源： >>>点此立即查看<<<
那么，下一个关键突破口在哪里？中国人民大学团队研发的AiScientist系统，提供了一个具有高度操作性的答案：聚焦于长程机器学习研究工程。
中国人民大学团队打造的AiScientist，旨在解决长程机器学习研究工程中的持续性难题。该系统从论文理解开始，贯穿环境配置、代码实现与实验迭代全过程，保持状态连续与决策连贯，从而显著提升科研效率。其核心在于通过File-as-Bus机制，稳定保存项目状态，使AI能够真正接手科研流程，而非仅仅辅助单个环节。
AiScientist的切入点，是在现有进展基础上，进一步关注一个更贴近真实科研流程的设定：长程机器学习研究工程。在这一设定下，系统需要完成的不是某个孤立环节，而是要从论文或研究目标出发，连续处理环境配置、依赖管理、资源获取、代码实现、实验执行、结果对比、错误归因和反复修复。这既包含局部环节的技术难度，也面临跨阶段持续推进的系统性挑战。
更为关键的是，这些问题往往不会即时暴露。一个早期决策的微小偏差，可能要到数小时后的实验结果中才会显现；而一旦项目状态在多轮推进中丢失，后续阶段将难以判断问题究竟源于论文理解、实现细节、数据处理还是基础设施配置。
中国人民大学高瓴人工智能学院提出的AiScientist，正是沿着这一方向，试图将AI从“能参与若干研究环节”进一步推进到“能持续接手研究工程流程”。
论文链接：https://arxiv.org/pdf/2604.13018
代码仓库：https://github.com/AweAI-Team/AiScientist
23小时完成74轮实验：AiScientist的核心能力
AiScientist能力的一个直观体现，来自其在MLE-Bench Lite的Detecting Insults任务上的表现。在该任务中，AiScientist在23小时内自主完成了74轮实验循环，将验证集AUC从0.903提升至0.982，期间实现了18次最佳结果更新。
这一结果的意义不仅在于性能指标的提升，更在于它展示了一条完整的研究工程链路：从读取任务、搭建环境、撰写实现，到运行实验、分析偏差、修补系统、再次验证结果，整个过程实现了持续迭代，而非单次生成。
换言之，AiScientist的目标并非打造一个更强的代码助手，而是让AI在真实科研流程中，具备持续推进复杂任务的能力。
AiScientist解决的核心问题
目前已有不少AI for Research系统能够在某些研究环节展现出强大能力，例如生成代码、总结论文、辅助实验设计，甚至完成整篇论文的撰写。
AiScientist则聚焦于实验性更强的场景：机器学习研究工程。这并非一个单点问题，而是一条跨阶段、长时间的连续任务链。系统需要先理解论文和目标设定，再处理依赖与资源，完成实现，运行实验，并根据实验输出进行归因、修正和持续迭代。
其中每一个环节本身都颇具挑战：论文可能不完整或欠规格化；环境配置与依赖下载常常琐碎而脆弱；实验反馈具有明显延迟，且错误原因往往交织在实现、数据、超参与基础设施多个层面。
相关研究也指出，这一困难已在严苛评测中有所体现：在PaperBench这类高难度的从零复现任务上，最佳已报告智能体仅达到约21%的复现评分，而顶尖机器学习博士生在48小时预算下可达到41%。这说明，长程研究工程的瓶颈不仅在于模型能否完成局部推理，更在于系统能否跨越多个阶段，保持状态连续和决策连贯。
也就是说，长程机器学习研究工程既包含许多高难度的局部问题，也要求将这些环节在时间线上顺序串联、相互校正、持续推进。真正的难点，不只是“某一轮会不会推理”，而是系统能否在不同阶段之间保持连贯的进展。
超越“多智能体”协作的设计理念
AiScientist的核心设计理念可以概括为：轻量控制，厚重状态。
在这套系统中，顶层的协调器负责阶段级控制与任务推进，相当于一个轻量的总调度器；而真正承载项目记忆的，并非一轮轮的对话上下文，而是工作空间中持续演化的分析、计划、代码、日志与实验记录。
换言之，AiScientist并不试图让某一个智能体记住所有细节，而是让不同角色围绕一个持续更新的项目状态展开协作。顶层控制保持轻量，底层状态保持厚实，使得系统能够在长程任务中逐步积累，而非反复从头开始。
这也是该项工作的一个重要判断：让系统跑通长程任务的关键，不只是多智能体分工本身，而是这种分工能否建立在稳定、可继承的项目状态之上。
File-as-Bus：状态连续性的关键机制
AiScientist将这种“项目状态”进一步落实为File-as-Bus机制。
简单来说，它不是把文件当作普通附件存放，而是将文件系统本身作为长程协作的底座。论文分析、任务计划、实现代码、实验日志、错误记录和中间结果，都被持续写回工作空间，成为后续阶段可以重新读取和利用的持久化产物。
这意味着，系统不是依赖对话中残留的几句摘要继续工作，而是可以围绕真实存在的项目证据来推进下一步决策。对于长程研究工程而言，这一点至关重要。因为前一阶段的某个判断，可能会在几个小时后才以实验异常的形式暴露出来；如果这些中间状态无法被完整保留，后续阶段将难以准确归因，更难以在正确位置进行修补。
因此，AiScientist的重点不仅是“让多个智能体配合起来”，更是让整个系统具备一种更稳定的外部记忆能力。真正需要被传递的，不是某一轮的表面结论，而是项目在不同阶段逐步积累下来的状态本身。
AiScientist的实验结果与分析
在PaperBench评测中，AiScientist相对于最佳匹配基线平均提升约10.54分。这一结果表明，它并非仅在个别案例上有效，而是能够在从论文复现到完整工程实现的高难度场景中，稳定拉开与现有方法的差距。
在MLE-Bench Lite评测中，AiScientist达到了81.82%的“任意奖牌”率，说明它不仅擅长“把系统先跑起来”，也能在更接近真实竞赛和研究迭代的场景中持续优化结果。
更重要的是，这种提升并非简单地通过“增加交互轮次”堆砌而来。论文明确指出：仅仅增加交互轮次是不够的。额外的轮次只有建立在前序正确积累的状态之上，才会真正转化为长程能力。否则，更多交互反而可能带来更高成本和更多噪声。
机制分析进一步证实了这一点。移除File-as-Bus机制后，AiScientist在PaperBench上的得分下降6.41分，在MLE-Bench Lite上的“任意奖牌”率下降31.82个百分点。这表明，状态连续性并非一个“锦上添花”的设计，而是长程研究工程中真正影响系统能否持续推进的关键因素之一。
同时，论文也未将File-as-Bus视为唯一答案。实验同样表明，层级化协调也在性能提升中起到了重要作用。换言之，AiScientist的价值并非来自某一个单独组件，而是源于协调机制与状态连续性共同支撑的系统设计。
AiScientist带来的启示
如果仅看评测结果，AiScientist的贡献似乎只是“分数更高了”。但从其机制分析来看，这项工作的价值更为立体。
第一，长程机器学习研究工程不仅是许多局部问题的堆叠，其本身还是一个更复杂的系统问题。论文理解、环境配置、资源下载、代码实现、实验执行、误差诊断，这些环节单独拿出来，很多都已是足够困难的技术任务；更难的是，要将这些环节在长时间跨度里顺序衔接、相互校正、持续推进。也正因如此，决定系统成败的，不只是某一步做得好不好，而是整个流程能否在跨阶段推进中保持连贯。
第二，AiScientist的关键，不只是采用了多智能体架构，更是将状态连续性做成了系统能力。层级化协调固然重要，它帮助不同角色聚焦不同阶段；但真正让这种组织形式产生复利的，是项目状态能否以持久化产物的形式被稳定保存、读取、继承和继续利用。换言之，多智能体是组织形式，状态连续性才是这套系统真正跑通长程任务的基础。
第三，File-as-Bus的价值，更多体现在后期精炼，而不仅仅是前期搭建一个能运行的脚手架。从消融实验结果看，去掉File-as-Bus后，系统未必立刻丧失基础可运行性，但在更依赖后期优化和结果逼近的指标上，会出现更明显的退化。这意味着它真正带来的，不只是可执行性，更是保真度：让系统能在多轮诊断、修补、对齐和优化中，将每一轮试错都建立在前一轮留下的有效证据之上。
AiScientist为何值得关注？
从更广阔的视角看，AiScientist指向了一个比基准测试分数更值得关注的问题：AI能否真正进入科研流程，而不仅仅是停留在某一个局部环节。
长程机器学习研究工程既是许多困难局部问题的串联，也是一个更艰巨的系统问题。每个局部环节都足够复杂，而把这些环节衔接起来、在多轮反馈中保持一致性、让前一轮决策真正服务于后一轮推进，则更具挑战。
AiScientist给出的一个重要启示是：未来的AI科研系统，关键不只是模型会不会推理、会不会写代码、会不会调用工具，而是能否在长时间跨度里稳定保存、继承并利用项目状态。
这也是为什么这项工作值得放在更广泛的AI for Research进展中审视。它讨论的不是单步能力的再增强，而是AI如何真正从“辅助一个环节”走向“接手一条流程”。
与此同时，团队也在将AiScientist从基准测试中的评测对象，逐步推进为真实可用的软件系统。换言之，这项工作不仅想回答“分数能不能提高”，也想回答“AI能不能真正走进实验、复现、调参和迭代的日常流程里，进一步解放实验层面的生产力”。
总结
AiScientist试图推动的，并不只是一个更强的科研智能体，而是一种对长程研究工程的新理解：在真实科研任务中，真正重要的往往不是单次生成得多漂亮，而是系统能否在跨阶段、跨轮次、跨文件的任务链中，把项目状态稳定存续，并据此持续推进。
如果这一点成立，那么AI进入科研流程的方式，也将从“辅助某一步”逐渐走向“接手整条链路”。
参考资料：
侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述
