在AI技術(shù)迭代的坐標(biāo)系中，OpenAI構(gòu)建的五級(jí)演進(jìn)模型（對(duì)話(huà)系統(tǒng)→組織協(xié)調(diào)者）為行業(yè)發(fā)展提供了戰(zhàn)略指引。

其中，處于第三至四階段的自主研究智能體（Autonomous Research Agent）正成為技術(shù)突破的焦點(diǎn)。

就在最近，來(lái)自香港大學(xué)HKUDS的3位研究團(tuán)者開(kāi)源了一種全新的AI-Researcher系統(tǒng)，正是這一關(guān)鍵領(lǐng)域的重要探索。

該系統(tǒng)實(shí)現(xiàn)了科研流程的全鏈路重構(gòu)，覆蓋智能文獻(xiàn)檢索、方法論架構(gòu)設(shè)計(jì)、實(shí)驗(yàn)優(yōu)化到論文自動(dòng)生成的完整閉環(huán)。

值得關(guān)注的是，同類(lèi)功能在OpenAI商業(yè)化方案中需支付高達(dá)2萬(wàn)美元/月的服務(wù)費(fèi)用，而HKUDS通過(guò)開(kāi)源策略打破了技術(shù)壁壘，使前沿AI工具真正成為科研共同體的普惠資源。

項(xiàng)目地址：https://github.com/HKUDS/AI-Researcher

自主產(chǎn)出學(xué)術(shù)成果，科研智能化范式革命

港大開(kāi)源的AI-Researcher構(gòu)建了突破性的開(kāi)源科研智能體框架，成功將智能體創(chuàng)建門(mén)檻從專(zhuān)業(yè)級(jí)編程技能降維至直觀(guān)的自然語(yǔ)言交互范式。

這一創(chuàng)新框架實(shí)現(xiàn)了科研全流程的智能化貫通——從文獻(xiàn)綜合調(diào)研、創(chuàng)新方法設(shè)計(jì)與實(shí)現(xiàn)、嚴(yán)謹(jǐn)實(shí)驗(yàn)驗(yàn)證分析，到最終高質(zhì)量學(xué)術(shù)論文的完成，一氣呵成。

這種端到端的科研自動(dòng)化顯著提升了研究效率，壓縮了從創(chuàng)意到成果的周期，同時(shí)降低了認(rèn)知負(fù)擔(dān)，使研究人員能夠?qū)⒏嗑ν度氲絼?chuàng)造性思考和跨學(xué)科探索中。

該系統(tǒng)以Claude-3.5-sonnet為核心智能引擎，并精心設(shè)計(jì)了兼容DeepSeek、HuggingFace等主流大模型生態(tài)的靈活架構(gòu)。

通過(guò)大規(guī)模參數(shù)優(yōu)化和任務(wù)適配，AI-Researcher成功探索了大模型智能體的能力邊界，展現(xiàn)出從復(fù)雜需求解析、多源知識(shí)整合到成果輸出的全方位能力，能夠持續(xù)產(chǎn)出符合學(xué)術(shù)標(biāo)準(zhǔn)的高質(zhì)量研究結(jié)果。

這一技術(shù)突破不僅重新定義了科研輔助工具的標(biāo)準(zhǔn)，更為下一代智能化學(xué)術(shù)生態(tài)提供了探索的方向。

以下展示了由AI-Researcher基于初步研究想法創(chuàng)作的多項(xiàng)科研探索。

圖像生成

AI-Researcher在計(jì)算機(jī)視覺(jué)領(lǐng)域中的圖像生成技術(shù)「Vector Quantization」展現(xiàn)了卓越的科研能力。

僅憑用戶(hù)提供的研究方向——改進(jìn)VQ-VAE中非可微量化層的梯度傳播問(wèn)題及相關(guān)參考文獻(xiàn)，系統(tǒng)便獨(dú)立完成了從算法理論構(gòu)建到數(shù)學(xué)推導(dǎo)再到代碼實(shí)現(xiàn)的完整研究閉環(huán)，展示了深度推理與創(chuàng)造性問(wèn)題解決能力。

AI-Researcher智能體設(shè)計(jì)的解決方案包含三個(gè)互補(bǔ)創(chuàng)新組件：精確的旋轉(zhuǎn)與重縮放變換技術(shù)、高效梯度流動(dòng)優(yōu)化方法和動(dòng)態(tài)碼本管理機(jī)制。

這些技術(shù)巧妙配合，共同確保了編碼器到解碼器間的平滑梯度傳遞，成功解決了VQ-VAE架構(gòu)中阻礙其性能提升的核心技術(shù)挑戰(zhàn)。實(shí)驗(yàn)結(jié)果表明，該方法顯著提高了模型收斂速度與生成質(zhì)量。

值得注意的是，AI-Researcher生成的研究成果與已發(fā)表的《Restructuring Vector Quantization with the Rotation Trick》論文也具有可比性，證明了其精準(zhǔn)理解和實(shí)現(xiàn)現(xiàn)有研究方法的能力。該系統(tǒng)不僅能準(zhǔn)確把握論文中的核心思想和技術(shù)細(xì)節(jié)，還能獨(dú)立推導(dǎo)出相應(yīng)的數(shù)學(xué)原理和算法框架。

自動(dòng)生成的學(xué)術(shù)論文

圖片

算法實(shí)現(xiàn)代碼

圖像壓縮

傳統(tǒng)的向量量化（VQ）方法雖然有效，但需要大型碼本和復(fù)雜的編碼-解碼機(jī)制，導(dǎo)致計(jì)算負(fù)擔(dān)重，尤其在大規(guī)模數(shù)據(jù)集上應(yīng)用受限。這些復(fù)雜性和資源需求成為VAE實(shí)際部署的主要障礙，亟需更簡(jiǎn)單且高效的量化方法。

· AI-Researcher自主提出的技術(shù)創(chuàng)新點(diǎn)

對(duì)此，AI-Researcher提出了有限標(biāo)量量化（FSQ）方法，并通過(guò)以下關(guān)鍵技術(shù)實(shí)現(xiàn)性能突破：

1. 直通估計(jì)器（STE）：解決量化不可微問(wèn)題，確保梯度有效傳播
2. 溫度退火與EMA更新：提高訓(xùn)練穩(wěn)定性并實(shí)現(xiàn)碼本動(dòng)態(tài)適應(yīng)
3. 層次化量化結(jié)構(gòu)：多層次設(shè)計(jì)減少冗余，優(yōu)化表示學(xué)習(xí)效率

· AI-Researcher自主完成的實(shí)驗(yàn)驗(yàn)證與分析

在CIFAR-10數(shù)據(jù)集上的實(shí)驗(yàn)表明，F(xiàn)SQ方法在多項(xiàng)性能指標(biāo)上與傳統(tǒng)VQ方法相當(dāng)甚至更優(yōu)：

1. 性能優(yōu)勢(shì)：溫度退火降低FID分?jǐn)?shù)至6.284，大幅提升圖像質(zhì)量和多樣性
2. 量化效率：自適應(yīng)方法將量化損失從0.3059降至0.1552，層次化結(jié)構(gòu)減少重建損失
3. 架構(gòu)優(yōu)化：簡(jiǎn)化VAE結(jié)構(gòu)，降低計(jì)算負(fù)擔(dān)，同時(shí)保持高質(zhì)量圖像重建能力

圖片

自動(dòng)生成的學(xué)術(shù)論文

圖片

算法實(shí)現(xiàn)代碼

生成式建模

雖然連續(xù)標(biāo)準(zhǔn)化流（CNF）在圖像合成領(lǐng)域有潛力，但在生成穩(wěn)定性和高維空間精確映射方面存在困難。傳統(tǒng)方法無(wú)法平衡計(jì)算效率與精度，限制了生成質(zhì)量。

· AI-Researcher自主提出的技術(shù)創(chuàng)新點(diǎn)

AI-Researcher提出了增強(qiáng)型連續(xù)標(biāo)準(zhǔn)化流方法，通過(guò)四大技術(shù)創(chuàng)新改進(jìn)CNF框架：

1. 高級(jí)速度網(wǎng)絡(luò)：結(jié)合增強(qiáng)時(shí)間嵌入、動(dòng)態(tài)激活函數(shù)和殘差連接提高穩(wěn)定性
2. 速度一致性損失：確保軌跡對(duì)齊，強(qiáng)化生成過(guò)程穩(wěn)定性與準(zhǔn)確性
3. 優(yōu)化采樣：采用RK4等先進(jìn)ODE求解器保證數(shù)據(jù)轉(zhuǎn)換精度
4. EMA訓(xùn)練穩(wěn)定：減少梯度噪聲，提升模型收斂性

· AI-Researcher自主完成的實(shí)驗(yàn)驗(yàn)證與分析

1. 性能提升：基于ResNet的增強(qiáng)型CNF模型FID分?jǐn)?shù)由2469.50降至2448.96，最佳配置達(dá)2430.89
2. 架構(gòu)優(yōu)化：增加網(wǎng)絡(luò)深度并采用Tanh激活函數(shù)顯著提高了樣本保真度和多樣性
3. 未來(lái)方向：實(shí)驗(yàn)為進(jìn)一步優(yōu)化速度一致性損失、高級(jí)采樣技術(shù)和參數(shù)調(diào)優(yōu)提供了明確方向

圖片

自動(dòng)生成的學(xué)術(shù)論文

圖片

算法實(shí)現(xiàn)代碼

智能體技術(shù)架構(gòu)解析：自動(dòng)化科研的全流程實(shí)現(xiàn)

AI-Researcher框架

智能文獻(xiàn)調(diào)研Automated Literature Review

AI-Researcher通過(guò)先進(jìn)的資源收集系統(tǒng)自動(dòng)從arXiv、IEEE Xplore和ACM等權(quán)威學(xué)術(shù)數(shù)據(jù)庫(kù)獲取相關(guān)文獻(xiàn)，并從GitHub和Hugging Face等開(kāi)發(fā)平臺(tái)收集高質(zhì)量代碼實(shí)例。

系統(tǒng)集成了智能評(píng)估機(jī)制，精確篩選文獻(xiàn)質(zhì)量與代碼可用性，確保僅將最具價(jià)值的資源納入深度分析流程。

這一自動(dòng)化文獻(xiàn)分析框架使研究人員能夠快速把握領(lǐng)域前沿動(dòng)態(tài)，精準(zhǔn)識(shí)別關(guān)鍵技術(shù)突破點(diǎn)和研究空白區(qū)域，為創(chuàng)新研究提供知識(shí)背景。

創(chuàng)意構(gòu)思與方向引導(dǎo)Creative Ideation and Direction Guidance

在深入掌握現(xiàn)有研究成果的基礎(chǔ)上，AI-Researcher的創(chuàng)意生成器精確分析技術(shù)瓶頸并系統(tǒng)性探索突破路徑。根據(jù)研究需求，系統(tǒng)提供兩種智能工作模式：

• Level 1任務(wù)：基于用戶(hù)提供的詳細(xì)研究方向進(jìn)行深度開(kāi)發(fā)與創(chuàng)新延伸
• Level 2任務(wù)：僅依托參考文獻(xiàn)自主構(gòu)建前沿研究思路，實(shí)現(xiàn)原創(chuàng)性突破

系統(tǒng)采用多維度創(chuàng)意生成框架，首先通過(guò)啟發(fā)式算法產(chǎn)生多元化研究方向集合，隨后基于創(chuàng)新突破性、技術(shù)實(shí)現(xiàn)可行性和潛在學(xué)術(shù)影響力等關(guān)鍵指標(biāo)進(jìn)行綜合評(píng)估，最終鎖定最具發(fā)展前景的研究路徑，為用戶(hù)提供精準(zhǔn)的創(chuàng)新指引。

算法實(shí)現(xiàn)與實(shí)驗(yàn)驗(yàn)證

AI-Researcher在算法設(shè)計(jì)與驗(yàn)證階段采用系統(tǒng)化、循序漸進(jìn)的方法論框架，包括：

1. 設(shè)計(jì)規(guī)劃：精確制定實(shí)現(xiàn)策略和技術(shù)路線(xiàn)圖，深度評(píng)估方案的理論創(chuàng)新性與工程可行性，確保研究方向價(jià)值最大化
2. 代碼開(kāi)發(fā)：將抽象算法概念轉(zhuǎn)化為高效可執(zhí)行代碼，構(gòu)建完整測(cè)試環(huán)境與評(píng)估框架，確保實(shí)現(xiàn)的魯棒性
3. 嚴(yán)謹(jǐn)驗(yàn)證：執(zhí)行全面多維度測(cè)試，通過(guò)定量與定性相結(jié)合的方式評(píng)估算法性能，收集并分析關(guān)鍵性能指標(biāo)
4. 迭代優(yōu)化：基于實(shí)驗(yàn)結(jié)果進(jìn)行數(shù)據(jù)驅(qū)動(dòng)的算法改進(jìn)，針對(duì)性解決瓶頸問(wèn)題，持續(xù)提升系統(tǒng)性能

這種自動(dòng)化的實(shí)驗(yàn)驗(yàn)證閉環(huán)確保研究成果具備高度可靠性和可重現(xiàn)性，顯著提升科研效率并加速?gòu)母拍畹綄?shí)用技術(shù)的轉(zhuǎn)化過(guò)程。

學(xué)術(shù)論文撰寫(xiě)

AI-Researcher的高級(jí)寫(xiě)作模塊能夠自動(dòng)生成符合嚴(yán)格學(xué)術(shù)規(guī)范的完整研究論文，精確整合研究動(dòng)機(jī)、理論框架和實(shí)驗(yàn)結(jié)果。

系統(tǒng)采用精心設(shè)計(jì)的層次化寫(xiě)作方法，確保論文結(jié)構(gòu)嚴(yán)謹(jǐn)清晰、論證邏輯嚴(yán)密、專(zhuān)業(yè)術(shù)語(yǔ)準(zhǔn)確。

生成的學(xué)術(shù)成果遠(yuǎn)超簡(jiǎn)單實(shí)驗(yàn)報(bào)告，而是具備完整學(xué)術(shù)價(jià)值的研究貢獻(xiàn)，包含深入的理論分析、精確的算法形式化描述和全面的實(shí)驗(yàn)評(píng)估。

每篇論文均配備詳實(shí)的相關(guān)工作討論、清晰的創(chuàng)新點(diǎn)闡釋和深入的結(jié)果分析。

多維度研究評(píng)估

AI-Researcher構(gòu)建了精密的綜合評(píng)估框架，從五個(gè)關(guān)鍵維度進(jìn)行深度質(zhì)量評(píng)估：

1. 創(chuàng)新突破性：評(píng)估原創(chuàng)貢獻(xiàn)度、技術(shù)突破點(diǎn)和學(xué)術(shù)影響力
2. 實(shí)驗(yàn)嚴(yán)謹(jǐn)性：分析實(shí)驗(yàn)設(shè)計(jì)科學(xué)性、評(píng)估指標(biāo)完整性和結(jié)果可重現(xiàn)性
3. 理論基礎(chǔ)深度：考察數(shù)學(xué)嚴(yán)謹(jǐn)性、推導(dǎo)完整性和與現(xiàn)有知識(shí)體系的銜接
4. 結(jié)果分析洞察力：評(píng)估數(shù)據(jù)解讀深度、比較分析能力和異常現(xiàn)象解釋合理性
5. 學(xué)術(shù)寫(xiě)作專(zhuān)業(yè)度：審視結(jié)構(gòu)完整性、論證邏輯和專(zhuān)業(yè)表達(dá)準(zhǔn)確性

這一多維度評(píng)估機(jī)制為研究人員提供全面質(zhì)量反饋，同時(shí)驅(qū)動(dòng)AI-Researcher系統(tǒng)自身持續(xù)優(yōu)化進(jìn)化。

標(biāo)準(zhǔn)化評(píng)測(cè)體系

AI-Researcher開(kāi)發(fā)了全面的基準(zhǔn)測(cè)試套件，用于客觀(guān)衡量AI-Reseacher的研究能力：

• 采用人類(lèi)專(zhuān)家論文作為評(píng)判標(biāo)準(zhǔn)
• 當(dāng)前覆蓋計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、數(shù)據(jù)挖掘和信息檢索四大領(lǐng)域
• 完全開(kāi)源的評(píng)測(cè)體系，包括數(shù)據(jù)集和評(píng)估代碼
• 分級(jí)評(píng)估機(jī)制，適應(yīng)不同研究階段的需求

這套透明、客觀(guān)的評(píng)測(cè)體系不僅確保了系統(tǒng)性能的可信度，還為整個(gè)AI賦能科學(xué)發(fā)現(xiàn)的探索提供了重要參考。

作者介紹

湯嘉斌

AI-Researcher項(xiàng)目的第一作者湯嘉斌 （1999年生），現(xiàn)為香港大學(xué)數(shù)據(jù)科學(xué)研究院的博士二年級(jí)學(xué)生，師從黃超教授。

他在AI領(lǐng)域表現(xiàn)卓越，已在KDD、SIGIR等頂級(jí)國(guó)際會(huì)議發(fā)表多篇第一作者論文，其研究工作被評(píng)選為SIGIR 2024最有影響力論文之一，目前專(zhuān)注于大型語(yǔ)言模型與智能體系統(tǒng)的前沿技術(shù)研究。

他是開(kāi)源社區(qū)的活躍貢獻(xiàn)者，開(kāi)發(fā)了多個(gè)廣受學(xué)術(shù)界和工業(yè)界認(rèn)可的開(kāi)源項(xiàng)目，包括AutoAgent和GraphGPT等工作。

夏良昊

AI-Researcher項(xiàng)目的共同第一作者夏良昊博士（1995年生），現(xiàn)為香港大學(xué)計(jì)算與數(shù)據(jù)科學(xué)學(xué)院研究助理教授，師從黃超教授。

他在圖學(xué)習(xí)和大語(yǔ)言模型領(lǐng)域取得了卓越成就，學(xué)術(shù)影響力顯著，其發(fā)表論文累計(jì)引用量已突破4,800次，因此被斯坦福大學(xué)評(píng)選為2024年全球前2%頂尖科學(xué)家。

他以第一作者身份發(fā)表的多篇開(kāi)創(chuàng)性研究成果廣受認(rèn)可，其中包括被評(píng)為WWW 2023、SIGIR 2022和SIGIR 2021最具影響力論文。

作為開(kāi)源圖學(xué)習(xí)基礎(chǔ)模型領(lǐng)域的探索者，他領(lǐng)銜開(kāi)發(fā)了OpenGraph和AnyGraph等前沿圖大模型項(xiàng)目。

黃超

AI-Researcher項(xiàng)目的導(dǎo)師黃超現(xiàn)任香港大學(xué)計(jì)算機(jī)科學(xué)系和數(shù)據(jù)科學(xué)研究所助理教授及博士生導(dǎo)師。

他的研究興趣涵蓋人工智能的多個(gè)關(guān)鍵領(lǐng)域，包括大語(yǔ)言模型（LLM）、智能體、圖學(xué)習(xí)、推薦系統(tǒng)和智慧城市。

他的學(xué)術(shù)論文已獲得超過(guò)9,600次引用，并在ACM MM 2024、WWW 2023、WSDM 2022等主要會(huì)議上獲得最佳論文獎(jiǎng)或提名。

此外，他的學(xué)術(shù)貢獻(xiàn)還被選為KDD（2019/2023/2024）、WWW（2023/2024）和SIGIR（2021/2022/2023/2024）等頂級(jí)會(huì)議的影響力論文。

他的實(shí)驗(yàn)室還開(kāi)發(fā)了多個(gè)廣受認(rèn)可的開(kāi)源項(xiàng)目，如LightRAG、AutoAgent、MiniRAG、GraphGPT、VideoRAG等。這些項(xiàng)目在開(kāi)源平臺(tái)上累計(jì)獲得超過(guò)23,000顆星標(biāo)。

他獲得了2024年世界人工智能大會(huì)（WAIC）的「明日之星獎(jiǎng)」，并榮獲「2024年理論計(jì)算機(jī)科學(xué)與信息科學(xué)前沿科學(xué)獎(jiǎng)」。