技术博客

哈佛大学研究团队近期推出新型AI系统AutoScientists，突破传统AI Agent单点执行范式，首次实现AI对科研全流程的自主组织——包括组建虚拟科研团队、动态分配任务、设计实验方案并迭代优化。该系统深度融合AI协作与自主实验能力，标志着“智能科研”进入新阶段，为加速科学发现提供了可扩展的技术路径。

由多所高校联合组建的研究团队成功研发出一种新型多模态记忆系统，具备自主实验、代码漏洞修复与系统架构重构三大核心能力。该系统通过跨模态信息整合与迭代学习机制，在真实开发环境中实现闭环优化，最终达成性能提升400%的突破性成果。其技术路径不依赖人工干预，显著提升了复杂软件系统的演化效率与可靠性，为人工智能驱动的软件工程范式提供了可复用的实践范例。

Autoresearch是一个开源的Agent自进化训练框架，致力于实现智能体完全自主开展科研工作。用户仅需在Markdown文档中编写指令，AI即可自动完成实验设计、执行、评估与迭代全过程。该框架效率卓越：单轮实验可在5分钟内完成，48小时内即可实现显著性能提升，大幅加速AI科研进程。

一项旨在从零开始编写浏览器代码的实验引发了广泛关注。该实验动用了大量Token资源，并让AI Agent长时间持续运行，试图实现完全自主的代码生成。然而，最终结果显示，生成的代码主要依赖于对已有高质量人类编写的代码片段的拼接，而非真正意义上的自主实验。尽管技术路径展现了AI在复杂任务中的潜力，但其创新能力仍受限，暴露出当前模型在脱离人类先验知识情况下独立构建大型系统的能力不足。此次实验凸显了高成本Token消耗与实际产出之间的落差，也为未来AI编程研究提供了重要反思。