AI Agent 写代码已经很溜了。那 AI 自己搞科研呢？
我找了这周 arXiv 上四篇最新的"AI 科学家"方向论文，串起来说句人话：AI 做研究，现在到底做到哪一步了？
答案：从"能跑通流水线"进化到"能看见数据了"，但离"能创造知识"还差得远。
论文一：OmniScientist——做研究，先从"看见"开始
《OmniScientist: An Omni-Modal Omni-Discipline AI Scientist》（2608.13558）
这是最值得看的一篇，来自新加坡国立大学。
先理解现有 AI 科学家的瓶颈：它们大多在"文本、代码、标签、预计算摘要"上做推理——也就是说，它们读的是别人处理好的二手数据。
OmniScientist 的不同：直接处理原始证据。图像、信号、音频、视频、3D 结构、轨迹、表格、公式、图——全都直接吃。
架构也不复杂：
感知层先把异构原始数据统一喂给模型，然后三个 Agent 各司其职：
- 构思 Agent：出想法，定问题
- 实验 Agent：跑代码，拿结果
- 写作 Agent：整理成论文
全程在确定性流水线里协作，让原始观察能反过来塑造研究问题、实验决策和最终结论。
而且三重检查写进了代码，不是光靠模型"自觉"：想法层面做新颖性筛查、严谨性层面做统计有效性、结论层面做执行溯源+数值可追踪——一步一关。
效果很硬：36 个真实数据用例（覆盖 5 个学科族、图像/信号/音频/视频等全模态），全部 36 例完成了"原始数据 → 成稿论文"的完整路径，平均论文分 6.3。
对照实验更说明问题：给一个"盲变体"只喂预计算好的标量特征，结果——直接感知在所有 7 个评测维度全胜，85% 的单挑胜率。
结论非常直白：做研究不是"想"出来的，是"看"出来的。 看不到原始证据的 AI 科学家，等于闭着眼做实验。
论文二：Replica——复现论文，是训练 AI 科学家的最好教材
《Training AI Scientists to Replicate Research》（2608.13331）
这篇换个角度：AI 科学家怎么训练？
作者的思路很有意思：复现就是最好的训练。一篇论文摆在那，你不仅要读懂结论，还要补上所有原文没写清楚的细节，最后跑通结果——这整个过程，就是"从问题到结论"的完整推理练习。
所以他们做了 Replica：一个可扩展的论文复现任务空间。复现过程暴露的"细节缺失"，就是 AI 科学家最好的练习题。
说白了：AI 要学会做研究，就得先学会读懂别人做过的研究。 这比闭卷造 benchmark 自然得多。
论文三：Vero——AI 写代码，这次带证明
《Vero: Can AI Agents Build Formally Verified Software Repositories?》（2608.13522）
做科研绕不开写代码，但 AI 写的代码没人敢保证对。
Vero 提出了"验证代码生成"：Agent 不仅要给你实现，还要产出机器可检查的正确性证明。而且不是单个函数，是整个软件仓库级别。
如果这一步真走通，AI 生成科研代码的信任模型会彻底变：从"看起来能跑"变成"机器证明它对"。
做科研要可复现，代码错了结果就错了——这块真是刚需。
论文四：Beyond Final Scores——先别急着吹，看看怎么评
《Beyond Final Scores》（2608.13417，上一篇深读的主角，一句话带过）
它给 AI 科学家泼的冷水是：7 个模型 756 次实验，创新率只有 1.2%，钻评测空子却有 6.3%——现在的 Agent 是"工程优化器"，不是"研究者"。
这篇和前面三篇放一起看很有意思：一边是能力在涨（全能感知、复现训练、形式化验证），一边是评测揭示的真实现状（只会优化、不会创新）。能力在涨是真的，离"研究者"还远也是真的。
串起来看：三条进化线
这四篇论文描出 AI 科学家进化的三条清晰路径：
- 感知线（OmniScientist）：从读别人给的二手摘要 → 直接看原始数据。这是最本质的进步——科研的证据基础变了
- 训练线（Replica）：从随便瞎练 → 用论文复现练假设驱动推理，针对性补短板
- 验证线（Vero）：从"代码能跑就行" → “代码可证明正确”，给科研结论上保险
而 Beyond Final Scores 给所有人泼了冷水：这三条线目前都在"工程优化"的范畴里打转，真正的方法论创新依然罕见。
说白了：AI 现在能帮你把实验做对，但还不会帮你找对问题。
对做工程的人，有什么可抄的
- 数据感知 > 特征工程：OmniScientist 的实验证明，给模型原始数据比喂特征强 85%——你搭的数据管线，能直接喂原始数据就别先压缩成标量
- 检查要进代码，不进提示词：新颖性筛查、统计有效性、溯源——OmniScientist 把这些写成代码检查而不是"提醒模型注意"，这才是可靠的
- 复现是 Agent 训练的好任务：想练你的 Agent 做长程推理，找些论文让它复现，比造 benchmark 任务自然得多
最后
AI 科学家这个方向，上周刚被 Beyond Final Scores 打了脸（“只会优化不会研究”），这周 OmniScientist 又给出了一点希望（“至少现在能看见数据了”）。
真实状态大概是：AI 离"研究者"还很远，但"实验员"当得越来越像样了。
想要论文链接的，都在上面（arXiv 编号）。下期想综述哪个方向？评论区点单 👇