2026年08月14日
第01版:头版

“AI科学家”上岗

智源研究院发布自主研究智能体AREX,让AI边求解边验证

□本报记者 王萌

你能想象吗?一个会自己查资料、做实验、写结论,而且一边研究一边给自己“找茬”的AI科学家,已经在海淀悄悄上岗了。近日,智源研究院正式发布自主研究智能体AREX,并同步开放模型权重和科研体验版系统。这个仅10B激活参数的模型通过一套“求解与验证”的双循环闭环机制,让“AI自主研究”从概念走向实验室和产业的日常。

AI给自己“批改作业”

过去两年,大语言模型让我们习惯了与AI对话、让它写代码、做翻译,但要让AI像一位真正的科研人员那样,针对一个开放问题持续搜索、判断、修正、最终交出可靠答案时,却不是那么容易。复杂问题很难一次性答对,传统AI往往只会“闷头往前冲”,不知道什么时候该停下检查、什么时候该推倒重来。

智源研究院发布的AREX正是围绕此问题提出。据研发团队介绍,他们利用了“发现—验证不对称性”这一关键突破口,让智能体先快速构建一个候选答案,再逐条对照任务约束给自己“批改作业”:哪些结论证据确凿,哪些还悬在半空,哪一步必须重新搜索。只有把所有“扣分项”都修补完毕,它才认可这份答卷。“就像给AI配了一位永不疲倦的审稿人,而且这位审稿人就住在它自己的‘思维’里。”一位研究员形象地比喻。

“长程研究中真正难的,不是例行搜索和点开网页,而是在关键节点做对决定,什么时候该相信一条证据,什么时候该放弃一个候选方向,什么时候该重整上下文、转向搜索。”AREX项目负责人直言。为了支撑这种长程判断力,AREX内部还设计了一种“双循环递归求解”机制,内层循环负责“研究”,外层循环负责“改进”。二者协同,让智能体不只是向前搜索,而是在每一轮中继承已有进展、修正错误方向,并不断接近更可靠的答案。

据该负责人介绍,内层循环负责完成一轮相对完整的研究。在这一阶段,智能体会围绕当前研究问题搜索信息、调用工具、收集证据、比较候选,并构造一个暂定答案。它的目标不是一次性得到终局解,而是形成一个结构完整、证据可追踪、后续可以被审计的当前解。外层循环则负责判断当前答案究竟走到了哪一步。智能体会依据任务中的各项约束,对暂定答案进行逐项审计,并形成约束级别的置信判断:哪些条件已经获得充分支持,哪些仍然不确定,哪些关键主张缺少证据,哪些结论需要重新研究。如果所有必要条件都得到足够支持,智能体就结束研究并输出答案。如果仍有条件没有解决,验证结果就会被转化为下一轮内层循环的研究目标。

在严格受控的消融实验中,完整版AREX在极具挑战的BrowseComp基准上得分高达82.5,比关闭“自我改进”和上下文更新功能的版本足足高出22.9个百分点。

据悉,在综合评估中,AREX在BrowseComp、DeepSearchQA、GAIA、HLEwithtools等六个覆盖信息深度、广度和端到端智能体能力的基准上展现了均衡竞争力,让不少人感到意外。“这证明,精巧的框架设计和学习机制,能在不依赖海量参数情况下达到顶尖的自主研究水平。”智源研究院相关负责人表示。

自主探索优化并交付可验证结果

更令人期待的是,AREX没有停留在实验报告里。智源研究院同步推出AREX研究平台,直接将这套自主研究能力封装成科研人员和产业用户触手可及的日常工具。目前平台上线了资讯追踪、论文筛选和播客提取三大入口,全部由AREX智能体驱动。用户既能设置自己关心的方向,让AI广域浏览前沿动态,也能把它当成一个不知疲倦的初级研究助手,梳理文献、追踪热点。未来还将向研究执行阶段延伸,涵盖方案设计、工程实现与性能调优。“最终,我们希望用户只需定义研究问题,AREX就能自主完成探索、实验与优化,交付可验证结果。”团队负责人展望道。

大模型创新正从“能说会道”迈向“能思会做”。AREX的出现,不仅为AI行业贡献了一种“投入算力转化为智力”的新范式,也让人们对“人工智能科学家”的想象变得前所未有的具体。也许用不了多久,实验室坐在工位上的将不再只是人类研究生,还有一群永不停歇的AI研究搭档,正一遍遍寻找线索、推敲证据、推翻重来,直到无限靠近那个最可靠的真相。

2026-08-14 智源研究院发布自主研究智能体AREX,让AI边求解边验证 6 6 海淀报 c64024.html 1 “AI科学家”上岗 /enpproperty-->