嚯！完全由AI生成的論文，通過頂會ICLR評審？！

分數為6/7/6，已經超過平均人類接收門檻。

論文是醬嬸的。

整個通篇看下來，圖表論據俱全，十分有模有樣。

這篇論文，由首位AI科學家AI Scientist的2.0版本完成。

背后公司Sakana AI，是Transformer作者之一的Llion Jones的創業公司。

新版本2.0是一個通用端到端Agent系統，與原版本不同的是，它擺脫了對人工模版的依賴，能夠自主生成假設、運行實驗、分析數據并撰寫科學論文，圖表理解能力也更強。

它在ML領域中具有更強的泛化能力，并采用由實驗管理Agent引導的漸進式代理樹搜索（AgenticTreeSearch）。

就連它的GitHub開源代碼庫都是由大模型來編寫。

AI生成論文通過頂會評審

首先來看這篇完全由AI生成的論文，官方透露了諸多細節。

這篇論文的標題為：《組合正則化：增強神經網絡泛化的意外障礙》。論文中的提出了一種旨在增強神經網絡組成泛化的組成正則化方法，進行了大量實驗以評估其影響，并分析了算子復雜性對模型性能的影響，討論了組成正則化沒有產生預期效益的潛在原因。

當時ICLR研討會同意他們遞交3篇AI生成的論文進行同行評審。

評審人員會被告知他們正在評審的論文可能是AI生成的（43篇論文中有3篇），但并不知道分配給他們的論文作者到底是不是AI。

SakanaAI準備的論文完全由AI端到端生成，沒有經過人類任何修改——

AI Scientist-v2提出了科學假設，提出了測試假設的實驗，編寫和完善了進行這些實驗的代碼，運行實驗，分析數據，將數據可視化為圖表，并寫下整個科學手稿的每一個字，從標題到最終參考文獻，包括放置圖表和所有格式。

整個過程，人類僅做的一個工作是，提供一個廣泛的研究主題，最終他們挑選出了三篇排名前三論文（考慮到多樣性和質量）提交給研討會。

△團隊為每篇生成的論文撰寫了全面的評論

最終，在提交的三篇論文中，有兩篇論文未達到接受標準。一篇論文的平均得分為 6.33（分別是6/6/7），在所有提交的論文中排名約 45%，高于人類平均接受門檻。

不過為了透明起見，這篇論文在同行評審之后被撤回，也不會在OpenReview公共論壇上發布，但是可以GitHub存儲庫中找到。

除此之外，他們發現AI Scientist偶爾也會犯一些引用錯誤。

比如將錯誤地將“基于 LSTM 的神經網絡”歸因于Goodfellow (2016)，而不是正確的作者Hochreiter和Schmidhuber (1997)。

而為了提高實驗結果的科學準確性、可重復性和統計嚴謹性，他們鼓勵AI Scientist重復其每個實驗（已選入論文）數次。

首位AI科學家2.0

去年8月，首位AI Scientist橫空出世，一出手就獨立完成了10篇論文。現在的2.0生產的論文已經可以通過頂會同行評審。

值得一提的是，官方GitHub頁面上，特別注明了兩者的區別：AI Scientist-v2并不一定能寫出比v1更好的論文，尤其是在有強大的起始模板可用的情況下。

v1遵循定義明確的模板，成功率較高，而v2則采用更廣泛、更具探索性的方法，成功率較低。v1最適合具有明確目標和堅實基礎的任務，而v2則專為開放式科學探索而設計。

AI Scientist-v2通過將樹搜索與LLM工作流相結合，該工作流程由多個階段組成，包括自動創意生成、實驗執行、圖表可視化、手稿撰寫和審稿。

它采用代理樹搜索（由實驗進度管理器管理，跨越多個階段）來生成和完善代碼實現。隨后的實驗利用樹搜索中表現最好的代碼檢查點（節點），對各種研究假設進行迭代測試。

Transformer作者之一創業公司

背后公司Sakana AI，Transformer作者之一Llion Jones（簡稱獅子哥）的創業公司。

他本碩畢業于伯明翰大學，在Delcam、油管、谷歌都工作過，谷歌是他待得最久的一家公司。

據FourWeekMBA介紹稱，在他之前的工作經歷中，“曾兩度與谷歌的工作擦肩而過”。

第一次是他剛畢業找工作時，雖然投了谷歌倫敦軟件工程師的崗位，并通過了兩輪電話面試，但最終相比谷歌，他選擇了位于英國的CAD/CAM軟件公司Delcam。

值得一說的是，在拿下谷歌offer前，恰巧遇上2009年的經濟危機，獅子哥找不到工作，好幾個月都只能靠領取救濟金勉強度日。

第二次是工作18個月后，他又接到了谷歌的招聘電話，詢問他是否想重新申請，但他依舊沒去谷歌，而是隨后加入了YouTube。

在Youtube做三年軟件工程師期間，他對人工智能產生興趣，自學了Coursera的機器學習課程，并終于在2015年的時候加入谷歌研究院，擔任里面的高級軟件工程師。

也正是在此期間，他與其他七名作者一起發表了那篇著名的Transformer論文Attention Is Al lYou Need。

除此之外，獅子哥也在谷歌參與了不少研究，包括Prot Trans、Tensor2Tensor等。

之所以選擇離開谷歌，是因為公司目前已經發展到一種規模，使得他無法繼續進行自己想做的工作。

除了每天都在浪費精力排查其他人的bug，他還需要花時間從這家公司中找資源，試圖獲得訪問某些數據的權限。

創業過后，Sakana AI的工作在有序推進。

去年8月，他們首次推出了AI科學家（AI Scientist）、AI審稿人項目。在這之前，還出過大模型合并進化算法，以及研究Tranformer內部信息流動。

此次作為AI Scientist的延續，依舊由Sakana AI、UBC、牛津合作完成。

合著者包括UBC的Cong Lu和Jeff Clune以及牛津大學的Chris Lu和Jakob Foerster，兩位華人以及他們的導師參與。

Cong Lu，UBC（不列顛哥倫比亞大學）博士后研究員，導師是Jeff Clune。今年2月加入了DeepMind。

Cong曾在RGU（羅伯特戈登大學）就讀，2019年在牛津大學拿下博士學位，他的主要研究方向是開放式強化學習和AI科學發現。

此前，他曾在Waymo和微軟實習過。

Chris Lu，博士畢業前在Sakana AI實習了6個月。

他本科畢業于UC伯克利，博士畢業于牛津大學，導師是Jakob Foerster。去年10月畢業之后，去到了OpenAI。

Chris目前的重要研究方向，是將進化啟發的技術應用于元學習和多智能體強化學習。

2022年夏天，他曾在DeepMind以研究科學家身份實習過。

雖然這次AI科學家已經可以生產出頂會級別的論文了，但這并不是他們的最終目的。

這次是頂級的機器學習會議，下次可能就是頂級科學期刊了。

比如Nature、Science啥的。

歸根結底，研究團隊認為最重要的不是人工智能科學與人類科學的比較，而是它的發現是否有助于人類繁榮，例如治愈疾病或擴展我們對宇宙規律的認識。

你覺得這個時刻什么時候會到來呢？