你让AI做一项研究，它可能很快写出代码、跑出漂亮数字，再生成一篇像模像样的论文。麻烦在于，数字好看不等于研究成立：它可能用错规则、漏掉关键对照，甚至找到绕过限制的捷径。Sakana AI新近开源的 The Agentic Scientist，想解决的正是这个问题——不只让AI“做实验”，还用一套流程反复检查它做得是否合格。
需要先说明：目前相关信息全部来自 Business Upturn 对 Sakana 的转述，尚无独立信源交叉验证。论文接收、许可证及实验数字，仍有待会议名单、arXiv和论文原文确认。
它更像研究项目经理
所谓“智能体科学家”，并不是拥有科学判断力的独立研究者。更准确地说，它把现有编码模型接进一条自动化研究流水线。研究智能体可以调用代码、文献和实验工具，再分步骤推进任务。
据 Business Upturn 报道，The Agentic Scientist 是 Sakana 自动化研究系统的第三版，以 Apache 2.0 许可证开放。该许可证通常允许外部团队使用、修改和商业分发，也包含明确的专利授权。介绍系统的论文共88页，于10月13日提交至 arXiv，但报道没有明确交代年份。
系统可以封装 Claude Code、Codex、OpenCode 和 Pi 等编码智能体，并把研究拆成六个阶段：拟定任务、开展研究、做消融实验、最终评估、事后分析和生成论文。消融实验指故意拿掉某个组件，再观察结果如何变化，以确认效果究竟来自哪里。
流程上方还有一个 meta-controller——也就是监督其他智能体的“元控制器”。它按照预设量表检查每个阶段，判断工作可以继续，还是需要返工。Sakana据此主张，可靠性不只取决于底层模型有多强，也取决于这层流程编排。不过，这仍是团队自身的观点，尚未得到独立验证。
一篇接收论文，说明了什么？
这次最醒目的成果，是一篇获 ALIFE 2026 接收、将作口头报告的论文。开发阶段的系统参与研究了 Error Diffusion——一种不需要 backpropagation（反向传播，即根据误差逐层调整模型参数）的学习规则。
但这不是AI独立完成的科学发现。Sakana将它称为人机共同发现：人类选择问题、审查证据，并核验全部结果。
这个区别并非措辞游戏。据 Sakana AI披露，早期实验里，系统曾挑出一个得分很高的方案，人类检查后却发现它违反了研究者规定的生物学学习规则。团队随后收紧评分准则，才把搜索拉回有效范围。之后，人类还确定研究方向、把实验扩展到强化学习，并逐项核查代码、结果、引文和越界表述。说白了，AI负责大规模尝试，人类仍负责判断什么算科学上成立。
真正值得看的是“可复查”
另一个案例是 Doc-to-LoRA。报道说，在一项合成检索任务中，系统把 exact-match accuracy——答案必须与标准答案完全一致的准确率——从52%提高到98%。这个数字显示流水线能在特定任务上找到明显改进，但它只适用于人工构造的检索测试，不能直接外推为一般科研能力。
团队还测试了9个前沿模型和4种 agent harness。这里的 harness，可以理解为组织模型调用工具、执行任务的外层运行框架。另有分析称，Kimi K3在某个未具名框架上的结果接近 Claude Code 上的 Opus 4.7，API成本低75%。由于报道没有给出具体框架、指标、价格口径和原始分析，这项比较只能暂作线索，不能视为定论。
Sakana同时开放了 AutoIllustrate，可生成能够继续编辑的 draw.io 科学插图文件。它不决定研究是否正确，却让产出更容易修改和复查，也补齐了论文制作流程的一环。
局限与未知
- 目前只报告了1篇被接收的论文，无法据此证明系统具备稳定、普遍的科研能力。
- 材料没有提供第三版与早期版本的正面对比，也未公开9个模型、4种框架的完整配置、重复次数和统计误差。
- ALIFE 2026接收情况、Apache 2.0许可证、arXiv提交信息及各项实验数字，都需要回到会议、代码仓库和论文原文进一步核验。
The Agentic Scientist眼下更像一套可开放检验的科研自动化框架，而不是“AI科学家”已经诞生的证明。它最有价值的地方，也许不是替人宣布发现，而是把AI如何提出方案、接受检查和返工，变成一条更清楚、可复现的流程。