在1024 模力工场 · AI社区日"主论坛上，西湖大学工学院助理教授、博士生导师、高效智能计算实验室（ENCODE Lab）负责人王欢，以《AI智能体对科研的影响》为题作主题分享。
王欢有两个重点研究方向：Efficient AI（高效人工智能），关注如何提高 AI 的运行效率、降低资源消耗；AI Evaluation（AI 评测），关注如何定义和衡量智能。
这次分享中，他结合计算机和 AI 研究的经历，讨论了 Agent 带来的两方面影响。一方面正好也关于“效率”：读文献、写代码、做实验等工作正在加速；另一方面则关于“评价”：论文更容易产出，也给成果鉴别、同行评审和科研评价带来了更大压力。
他认为，Agent 确实加快了科研进程：Agent 能自主决定下一步、调用工具执行任务，Harness 则提供上下文管理、工具调用等支持，让大模型能够持续开展工作；他自己每天早上6点，还会收到 Agent 筛选推荐的10篇相关文献。
但论文产出更快，不等于科学进步更快：科研旨在增进认识，结论需要接受检验，大量成果都声称有新发现时，如何判断它们是否可靠、究竟新在哪里，就成了更紧迫的问题。
与此同时，科研评价仍看重论文等量化成果，因此当一些老师倡议“慢科研”、呼吁重质量而非数量时，也有学生反问：老师自己发了那么多论文，为什么要求我们慢下来？
在王欢看来，Agent 的影响已超出效率提升，触及科研评价制度：论文越来越容易产出，评价体系该如何识别真正的贡献？
不过，他仍持乐观态度：AI 接手部分工作，也让人有更多空间思考，哪些探索和判断仍需要自己承担，以及人的独特价值在哪里。
以下为王欢讲演的完整速记，模力工场在不改变原意的前提下进行了订正和编辑。
Agent加速科研，论文写得快了，成果更难评了
非常感谢主办方的邀请。这好像是我第一次在非学术会议上做分享。虽然现在是老师，但我以前也是程序员，所以也祝大家、祝我自己节日快乐！
今天，我想和大家分享的是智能体对科研的影响。
先做一个简单的自我介绍。我在浙江大学完成本科和硕士学业，之后去美国读博士，大约两年前回国，加入西湖大学。
这张来自我个人主页的图，概括了我的研究方向。其中一个关键词是“高效”，也就是 Efficient AI；另一个方向是 AI Evaluation，也就是 AI 评测。
“高效”就是大家理解的降本增效。我们会从算法、模型、系统和硬件等不同层面入手，这些都是我们关注的方向。
提到 AI 评测，大家可能会想到：开发一个模型，用各种 Benchmark 测试、打分。这是它的一种表现形式。但从我的角度来看，我们还需要追问更底层的问题。
Efficient AI 研究的是：已经有了一个 AI 模型、算法或系统，怎样让它运行得更快、更高效。而 AI Evaluation 关注的是：为什么我们认为一个系统比另一个系统更智能？我们到底观察到了什么，才可以得出这个结论？“更智能”究竟意味着什么？
这就是我为实验室规划的两个主要方向：一个让 AI 系统运行得更高效，另一个试图回答什么是智能，以及如何度量智能。
今天的分享不会涉及太多技术细节。科研是一个非常大的领域，我很难凭个人经验概括智能体对整个科研体系的影响。因此，这次分享主要立足于计算机领域，尤其是我们作为 AI 研究者所感受到的变化。
我会围绕三个方面展开：什么是智能体，它给科研带来了哪些变化，以及面对这些变化，我们应该如何思考。
首先，什么是 Agent？
这是一个非常热门的词，但我们需要想一想，它最根本的特征是什么。我们经常说某一年是某项技术的“元年”，那么，我们究竟看到了什么变化，才认为自己进入了一个新时代？
Agent 这个词并不只存在于 AI 或计算机领域，也不是一个新出现的技术词汇。在哲学文献中，它很早就已经被使用，但其含义与今天技术领域中的用法存在一些细微差别。
大家可以试着打开浏览器的无痕模式，搜索“Agent”，看看会出现什么图片。很多时候，搜索结果里最多的是“特工”。
从词源来看，Agent 的一个核心含义是“行动”，与 Action、Act 等词有关。在哲学意义上，行动的发出者或主体，就可以被称为 Agent。比如，我做出了某个行动，我就是这个行动的 Agent。
而在今天的讨论中，大家更强调的是：它仍然要采取行动，但不是由我亲自完成，而是由另一个主体替我完成。
这里就有一个问题：Agent 本质上仍然是代码或程序。很早以前，程序员就会写程序，帮自己完成某件事，为什么那些程序不被称为我们今天所说的 Agent？
其中一个重要区别在于，传统程序的运行规则和逻辑，主要是由人预先指定的。而今天的 Agent 在完成任务时，我们很难提前规定好每一步：先做 A，再做 B，然后做 C。它需要自己作出复杂决策。
所以，自主决策是一个非常核心的特征。另一个重要特征，则是在执行过程中调用各种工具，也就是 Tool Calling。
因此，今天我们讨论 Agent，主要是在讨论一种具备自主决策和工具调用能力的智能程序。
当然，智能程度并不存在一条截然分明的界线，并不是越过这条线就叫自主决策，没有越过就不算。它实际上是一个连续的谱系。
前面是在尝试比较严谨地讨论 Agent 的含义。对业界和工程实践来说，也有一个更简单的理解：Agent 是大模型加上外面的一层 Harness。
多数 AI 工程师或研究者，并不会像哲学讨论那样，精细地考察 Agent 的概念。他们更关心的是：原来的大模型主要用于对话，不能独立帮人完成任务；后来，我们在外面加了一层框架，让它能够管理上下文、记录已经做过的事情、调用工具，并接收工具返回的结果。
这层类似脚手架的东西，就是 Harness。这个词的字面意思是“马具”。
右边的截图来自 Hugging Face 的智能体课程，其中也使用了类似的表述。可以说，这是业内比较常见的一种理解方式。
讲完什么是 Agent，我们再来看，它会对科研产生什么影响。
刚才几位嘉宾分享了智能体在不同领域的应用。对于科研，它同样带来了很大冲击。但在回答这个问题之前，我们首先需要问：什么是科研？
提到科学研究，大家可能会想到博士生、研究员在实验室里拿着试管做实验；对于我们这个领域，则可能是坐在办公室里敲电脑、读论文。
我们会写论文、投稿、接受评审，论文录用后发表在期刊或会议上，再去参加学术会议。这些都是大家对科研的印象，也是科研的表现形式，但并不等于科研的本质。
假设一个人在知识上提出了新的东西，他没有发表论文，只是写了一篇博客，这算不算科研？大家是否认可其中的发现？
这样的例子说明，做科研与发论文，以及其他科研的表现形式之间，不能完全画等号。
严格来说，科研是一种遵循一定规范、围绕问题展开的认识过程，其目的在于增进人类对某个领域的理解。
那么，研究什么问题？科学问题。这句话听起来像一句废话，但“什么是科学问题”，其实是一个需要严肃讨论的问题。
日常生活中，我们说“这个不科学”，似乎是在说“这个不对”。但科学性并不等于正确性。
这里涉及一个我们可能在中学就接触过的概念：可证伪性，也就是 Falsifiability。卡尔·波普尔在《科学发现的逻辑》中对这一问题作过著名论述。可证伪性是一种被广泛讨论和接受的科学划界标准，但并不是唯一的标准。
按照这一思路，说一个命题具有科学性，并不意味着它一定正确，而是说，它能够接受经验检验，存在被证据推翻的可能。
我们收集证据，尝试检验甚至推翻它；如果目前还没有被推翻，就暂时接受它。不能通过这种方式检验的命题，不属于这一标准下的科学命题，但“非科学”也不一定意味着“错误”。
这是我们讨论科研时需要理解的一个基本问题。至于发论文等，则是科研的表现形式。
回到 Agent 时代，它为科研带来了什么？
首先，当然有很多积极变化。大家平时使用 Agent 写文档、写代码、做 PPT，这些工作我们同样需要完成。在构思研究想法时，我们也会与它对话。它在其他领域带来的效率提升，在科研中同样存在。
在座有很多程序员，大家可以想一想：自己是不是已经很久没有亲手写代码了？不少朋友这样跟我说。至少在计算机科研领域，情况也类似。很多学生反馈，自己已经很久没有直接写代码了，一个想法从提出到实现的周期大大缩短。
这里举一个例子。西湖大学一位从事自然语言处理研究的老师，其团队正在做 AI Scientist，也就是 AI 科学家。他们通过一个网站，将我刚才描述的这些过程集成起来。
这是一个代表性的例子，展示了 AI 如何加速科研工作中的多个环节。
那么，如果不只看这些工作环节，AI 对研究想法和科研本身又能带来什么变化？
另一个例子来自西湖大学 AI 方向的原发杰老师。就在几天前，他的团队在《自然》正刊发表了一篇论文：用户通过自然语言描述需求，模型就能自动设计相应的蛋白质结构。这是 AI 对科研产生积极影响的另一个例子。
如果从论文产出的流程来看，首先要阅读已有文献，包括 arXiv 等预印本网站上的论文。现在，AI 已经可以自动完成不少文献阅读和整理工作。
我自己每天6点都会让一个 Agent 帮我阅读相关文献，筛选值得关注的内容，并推荐10篇文章。
接下来是构思研究想法。很多基于文本的讨论，现在也可以借助 AI 完成。再往后，是写代码、做实验、写论文和审稿。
在这整个流程中，我个人觉得，可能只有实验环节，有时还需要自己动手。尤其在非计算机领域，需要使用试管、接触物理世界的实验，自动化的推进会慢一些。而在计算机领域，实验本身也可以被大幅加速。
所以，在数字世界中，也就是我所说的形式系统、符号空间或数字化空间里，原有的各种壁垒正在非常快地消失。
这是积极的一面。但成也萧何，败也萧何。当数字世界中的工作都被加速之后，另一个问题出现了：我们基于这些数字化产出的评价体系，正在承受巨大压力。
不知道大家有没有留意开场时循环播放的视频。今天的问题，不只是能不能做出很大、很新的成果，而是我们可以一下子生成大量“声称很大、很新”的成果。
谁来鉴别这些成果是否真的新？贡献究竟有多大？
在谈创新之前，我们首先需要有判别能力。今天一个很难的地方，恰恰不在于生成，而在于判别。
我举几个学术领域的例子。这些变化究竟是好是坏，有时很难简单判断。
以一个 AI 顶级会议为例。这个会议大约从2013年开始举办，前14年的投稿总量约为5.5万篇，而今年一年的论文取号量，就已经超过了这个总和。
需要说明的是，取号量并不等于最终投稿量，实际投稿可能会少一些，但这个数字仍然值得参考。
我们能不能据此认为，今年的科技进步相当于此前14年的总和？这很难说。但在这个领域里，我们知道一个重要原因：今天生产论文的成本实在太低了。
论文投出去以后，仍然需要人来审，需要博士生、导师和研究员逐篇评估。这给整个评审系统带来了非常大的压力。
另一个最近发生的事情，也很值得思考。
在科研中，我们评价一个学生或老师做得好不好，经常会参考发表了多少篇论文等量化指标。而 AI 智能体让这些数字化成果的生产速度大幅提高，也让竞争压力变得更大。
过去，很多人是读到博士阶段才正式进入科研。现在，本科生甚至高中生都已经开始做 AI 研究，有些高中生进入大厂，甚至去硅谷工作，大家可能也听过类似新闻。
一些学生刚进入大学，就去找博士生导师，希望进入实验室、发表顶级会议论文。有些老师觉得，不必这么着急，于是发表了关于“慢科研”的声明，呼吁大家不要过度追求数量，而要关注质量。
这份声明引起了很多讨论。许多老师签署了声明，其中包括我认识的一些来自国内外顶尖高校的老师。
但从学生的角度，也出现了另一种声音：有人统计签署声明的老师每年发表的论文数量，反问，老师们自己发表这么多论文，为什么又呼吁学生慢下来？甚至有人用“上车之后把车门焊死”来表达不满。
这些声音的出现，本身就是一个值得思考的现象。
我们可以说，AI 大大加速了科研的发展。但如果只有这一种评价，对事情的理解就过于简单了，甚至可能产生很大偏差。
类似的事情还在继续。比如，前几天 OpenAI 一次性发布了700多份与数学成果有关的论文。其涉及的内容和方向非常广泛，任何一位顶尖数学家，都很难独自完成全部验证。
这又回到了刚才的问题：当大量成果可以被快速生成时，我们如何判断它们是否成立，又有多少真正的新意？
所以，AI 和 Agent 在加速技术发展、让各种应用变得更加丰富的同时，也在猛烈冲击技术之外的东西，包括科研人员、科研体系、科研制度，以及科研精神。这种冲击的程度，甚至可能更大。
说到这里，积极影响和挑战都已经比较清楚了。
积极的一面是，科研所依赖的数字化材料和工作环节被大幅加速，甚至研究想法的形成也能从中受益。与此同时，科研体系如何评价成果、科研共同体如何坚持原有的规范和精神，都面临新的压力。
下一步会怎样？坦率地说，我们现在还不知道。变化正在发生，整个领域也在重新思考如何评价这些变化。
一些科研工作者可能会因此感到悲观：AI 已经这么发达了，科研接下来怎么办？
但我个人其实相当乐观。当一件事情已经可以由 AI 完成时，它可能恰恰说明，这件事并不构成人之为人的本质。我们也因此有更多时间去思考：有哪些事情是人能够做、而 AI 还不能做的？那些事情，可能更接近对“人”的真正定义。
前不久，《奥德赛》这部电影很受关注。借用这个比喻，今天 AI 高歌猛进，我们仿佛正在书写希腊英雄远征特洛伊的史诗《伊利亚特》。
但与此同时，我们也需要一个像《奥德赛》那样的“返乡”过程。而且，很可能不是先出征、再返乡，而是出征与返乡同时进行。
