AI Scientist-v2 深度解析：当人工智能学会「从零开始做科研」——Agentic Tree Search 如何改写科学发现的游戏规则

一、引言：科研自动化的临界点

2026年4月，学术界见证了一个历史性时刻。

由 Sakana AI 联合牛津大学、不列颠哥伦比亚大学（UBC）及向量研究所（Vector Institute）共同研发的 AI Scientist-v2 系统，正式发表于 Nature 正刊（Nature, Vol. 638, pp. 202-217, 2026）。这不是一篇关于 AI 辅助工具的论文——这是一篇由 AI 独立完成构思、实验、写作全流程，并在顶级学术会议上通过同行评审的论文，被直接投递至 ICLR 2025 Workshop 并获得了 6.33 分的盲审成绩，高于该 Workshop 55% 的人类投稿论文。

这意味着什么？

意味着在机器学习领域，一个完全由 AI 系统驱动的"科学家"，已经能够：

• 从零生成有研究价值的新假设
• 设计并执行实验，验证假设的正确性
• 分析实验数据，得出有意义的结论
• 将整个研究过程撰写为符合学术规范的 LaTeX 论文
• 通过同行评审的严格检验

这不是科幻小说中的场景，这是 2026 年初真实发生的技术突破。本文将从系统架构、核心算法、工程实现、性能评测、局限性与未来方向等多个维度，对 AI Scientist-v2 进行全面深度的技术解析。

二、背景：从辅助工具到端到端自动化

2.1 AI 辅助科研的历史演进

AI 参与科学研究并非新鲜事。实际上，这一野心可以追溯到 AI 领域的早期岁月：

• 20世纪90-2000年代：专家系统时代，AI 被限制在特定狭窄任务中——发现化学结构、寻找数学证明、预测蛋白质三维结构（AlphaFold 的前身）
• 2015-2022年代：深度学习时代，AI 在特定任务上达到或超越人类水平（如 AlphaFold 2、AlphaGo）
• 2023-2025年代：大语言模型（LLM）时代，AI 开始参与文献综述、假设生成、代码实验辅助等更广泛的研究活动
• 2026年：端到端自动化科研时代——AI Scientist-v2 首次实现了从"想法构思"到"论文发表"的完整科研生命周期自动化

Sakana AI 的研究团队在 Nature 论文中明确指出："尽管在自动化单个组件方面取得了进展，但一个能够自主导航整个研究生命周期——从构思到发表——的系统，直到现在仍然遥不可及。"

AI Scientist-v2 的出现，正式宣告了这一临界点的到来。

2.2 为什么是机器学习领域？

研究团队选择了机器学习（Machine Learning）作为突破口，原因非常务实：ML 领域的实验完全发生在计算机内部——不需要湿实验台，不需要粒子对撞机，不需要天文望远镜。一行 Python 代码就能跑一次实验。这使得整个科研流程的自动化在工程上成为可能。

这并不意味着在其他领域无法实现类似系统，但 ML 领域提供了最理想的测试环境。AI Scientist-v2 的设计哲学是：先在一个可控领域证明可行性，再逐步泛化。

2.3 从 v1 到 v2：关键跨越

理解 AI Scientist-v2 的创新，需要先了解它的前身——AI Scientist-v1：

v1 的核心局限：强依赖模板意味着研究方向的边界由人类预先划定，AI 主要扮演"执行者"而非"研究者"的角色。

v2 的核心突破：去掉模板后，系统必须自主决定论文的结构、语言风格、图表呈现方式——这是一个本质上更难的问题，但也是走向真正"AI 科学家"的关键一步。

三、系统架构：Agentic 科研流水线的工程真相

3.1 整体架构概览

AI Scientist-v2 的架构并非一个简单的"大语言模型接任务"，而是一个精心设计的多 Agent 协作系统。其核心由以下组件构成：

┌─────────────────────────────────────────────────────┐
│               AI Scientist-v2 整体架构              │
├─────────────────────────────────────────────────────┤
│                                                     │
│  ┌──────────────┐    ┌──────────────────────────┐  │
│  │   Ideation   │───→│  Experiment Manager Agent │  │
│  │    Agent     │    │    (核心调度器)           │  │
│  └──────────────┘    └────────────┬─────────────┘  │
│         ↓                         │                │
│  ┌─────────────────────────────────▼─────────────┐  │
│  │         Agentic Tree Search (ATS)              │  │
│  │  ┌─────────┐  ┌─────────┐  ┌─────────┐        │  │
│  │  │ Branch  │  │ Branch  │  │ Branch  │  ...   │  │
│  │  │   1     │  │   2     │  │   N     │        │  │
│  │  │(实验A)  │  │(实验B)  │  │(实验C)  │        │  │
│  │  └────┬────┘  └────┬────┘  └────┬────┘        │  │
│  │       └───────────┬┴───────────┘              │  │
│  │                   ↓                           │  │
│  │          Experiment Execution                  │  │
│  │          (代码生成 + 训练 + 评估)               │  │
│  └────────────────────────────────────────────────┘  │
│                        ↓                            │
│  ┌────────────────────────────────────────────────┐ │
│  │     Paper Writing Agent (论文写作)              │ │
│  │  LaTeX 生成 + 图表绘制 + 格式规范化              │ │
│  └────────────────────────────────────────────────┘ │
│                        ↓                            │
│  ┌────────────────────────────────────────────────┐ │
│  │     Automated Reviewer (自动评审)               │ │
│  │  模拟同行评审，预估论文质量与接受概率            │ │
│  └────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────┘

3.2 想法生成（Ideation Agent）

Ideation Agent 是整个流水线的起点，负责从零产生研究假设。

它的输入是：

• 一个广泛的研究主题（如"深度学习中的泛化能力"）
• 一组约束条件（计算预算、内存限制等）

它的输出是：

• 一个具体可执行的研究假设
• 该假设的动机与预期贡献

防重复机制是 Ideation Agent 的关键设计：系统直接调用 Semantic Scholar API 检索现有文献库，利用语义相似度算法自动过滤掉与已有工作高度重合的研究方案。这意味着 AI Scientist-v2 生成的想法，必须是增量性的、有新贡献的——这与人类的学术规范完全一致。

3.3 核心创新：Agentic Tree Search（渐进式代理树搜索）

这是 AI Scientist-v2 相对于 v1 最重要的架构创新。

传统的 AI Scientist-v1 使用的是线性流水线：生成一个想法 → 执行一个实验 → 写一篇论文。这种方式的问题在于：它无法探索替代路径，一旦某个方向走入死胡同，整个流程就得重来。

Agentic Tree Search（ATS）引入了分支探索机制：

# ATS 核心逻辑的简化伪代码
class ExperimentManagerAgent:
    def __init__(self):
        self.search_tree = SearchTree()
        self.max_depth = 5
        self.branch_budget = 3
    
    def run_search(self, initial_hypothesis):
        # 根节点：初始假设
        root = Node(hypothesis=initial_hypothesis, depth=0)
        self.search_tree.add(root)
        
        for depth in range(self.max_depth):
            frontier = self.search_tree.get_frontier(depth)
            for node in frontier:
                # 每个节点生成多个分支（探索不同实验方向）
                branches = self.expand_node(node, max_branches=self.branch_budget)
                for branch in branches:
                    # 实验执行
                    result = self.execute_experiment(branch)
                    # 实验管理器评估结果质量
                    score = self.experiment_manager.evaluate(result)
                    branch.update_score(score)
                    
                    if score > self.quality_threshold:
                        # 高质量分支继续深入
                        self.search_tree.add_child(node, branch)
                    else:
                        # 低质量分支剪枝，避免浪费计算资源
                        self.search_tree.prune(branch)
        
        # 选择最优分支用于论文写作
        best_branch = self.search_tree.get_best_path()
        return best_branch

ATS 的三个关键机制：

1. 分支生成（Branch Generation）：每个节点不是只有一个子节点，而是生成多个实验分支，探索不同的假设变体。例如，主假设是"用残差连接改进 Transformer"，那么分支可能探索：不同层数的残差连接、不同的跳跃路径、不同的归一化策略等。

2. 动态剪枝（Dynamic Pruning）：实验管理器 Agent（Experiment Manager）实时评估每个分支的实验结果。如果某个分支的性能提升不显著或出现负面效果，ATS 会主动剪掉该分支，避免浪费计算资源。

3. 渐进式深化（Progressive Deepening）：搜索沿深度方向渐进展开，从浅层到深层逐步验证假设的可行性。这比一次性穷尽所有可能性的搜索效率高得多。

ATS vs. 传统 MCTS：ATS 的设计理念借鉴了蒙特卡洛树搜索（MCTS），但有两个关键差异：

• 评估函数不同：MCTS 使用随机模拟作为评估函数，ATS 使用真实实验执行 + LLM 作为评估函数
• 剪枝策略不同：MCTS 基于统计置信度，ATS 基于实验结果的质量阈值

3.4 实验执行（Experiment Execution）

ATS 确定研究方向后，具体的实验执行由多个子 Agent 协作完成：

# 实验执行的简化流程
class ExperimentExecutor:
    def __init__(self, model_client):
        self.model = model_client  # 支持 OpenAI / Gemini / Claude
    
    def execute_research_branch(self, branch_spec):
        # Step 1: 代码生成
        code_agent = CodeAgent(self.model)
        code = code_agent.generate(
            research_goal=branch_spec.hypothesis,
            baseline=branch_spec.baseline_code,
            constraints=branch_spec.constraints
        )
        
        # 安全检查（防止危险代码执行）
        safety_check = SafetyValidator.validate(code)
        if not safety_check.is_safe():
            return ExperimentResult(skipped=True, reason="safety_check_failed")
        
        # Step 2: 实验运行
        train_config = ExperimentConfig(
            model=branch_spec.model,
            dataset=branch_spec.dataset,
            epochs=branch_spec.epochs,
            resource_limit={
                'gpu_memory_gb': 24,
                'timeout_minutes': 120
            }
        )
        
        metrics = ExperimentRunner.run(code, train_config)
        
        # Step 3: 结果分析
        analyzer = ResultAnalyzer(self.model)
        analysis = analyzer.analyze(metrics)
        
        return ExperimentResult(
            metrics=metrics,
            analysis=analysis,
            execution_time=train_config.actual_runtime
        )

3.5 论文写作（Paper Writing Agent）

高质量的实验结果需要以规范的学术格式呈现。Paper Writing Agent 的任务是将实验结果转化为符合学术规范的 LaTeX 论文。

v2 版本相对于 v1 的关键改进在于去模板化：

# 论文写作的核心提示词工程
PAPER_WRITING_PROMPT = """
You are an expert ML researcher and technical writer. 
Your task is to write a complete LaTeX research paper based on the 
provided experimental results.

CRITICAL REQUIREMENTS:
1. Paper structure: Abstract → Introduction → Related Work → Method → 
   Experiments → Analysis → Conclusion → References
2. Do NOT use any template. Generate all LaTeX content from scratch.
3. All figures must be generated as TikZ or matplotlib code.
4. All tables must be properly formatted with statistical significance markers.
5. Mathematical notation must be consistent and correct.
6. The paper should be self-contained and understandable without external context.

Experimental results to report:
{experiment_results}

Research hypothesis:
{original_hypothesis}
"""

值得注意的是，Paper Writing Agent 需要处理：

• 图表生成：自动将数据转化为 TikZ 或 matplotlib 图表代码
• 数学公式排版：确保 LaTeX 数学环境语法正确
• 参考文献生成：自动从 Semantic Scholar API 获取相关文献
• 格式规范化：确保符合目标会议/期刊的投稿规范

3.6 自动评审（Automated Reviewer）

为了解决"如何评估 AI 生成的论文质量"这一根本性问题，研究团队设计了一个 Automated Reviewer——一个专门训练用于模拟同行评审的 LLM Agent。

这不是一个简单的打分系统。Automated Reviewer 需要：

• 理解论文的技术内容
• 评估方法论的严谨性
• 判断实验的充分性
• 识别潜在的方法论缺陷
• 给出与真实评审一致的反馈意见

研究团队首先在真实的人类评审数据上验证了 Automated Reviewer 的准确性，发现其预测与真实的人类评审决策高度一致（达到了人类评审者的平均水平）。

这一工具不仅用于评估 AI Scientist-v2 的输出质量，还在系统内部形成了一个闭环：ATS 生成的多个分支 → 论文写作 → Automated Reviewer 评分 → ATS 根据评分调整搜索方向。

四、完整的端到端工作流

让我们追踪一个具体的研究想法是如何从零走到论文发表的：

阶段1：想法构思（Ideation）
│
├── 输入：研究主题 "Improving generalization in neural networks"
├── 调用 Semantic Scholar API 检索相关文献（>1000篇）
├── 语义去重，过滤已有工作
├── 生成候选假设列表（10个）
│
│  假设A: "Stochastic Depth with learned skip probability"
│  假设B: "Adaptive regularization based on gradient variance"
│  假设C: "Feature decorrelation through explicit covariance penalty"
│  假设D: ...
│
└── 选择评估分数最高的假设 → 假设A

阶段2：ATS 探索
│
├── 根节点：假设A
├── 第一层分支：
│   ├── 分支A1: 标准 Stochastic Depth（跳过概率=0.5）
│   ├── 分支A2: 线性衰减跳过概率（0.9→0.1）
│   └── 分支A3: 可学习的跳过概率（每层独立参数）
│
├── 执行实验 → 评估结果
├── 剪枝：A1 性能差，保留 A2 和 A3
│
├── 第二层分支（A3）：
│   ├── A3-a: 结合 Dropout
│   ├── A3-b: 结合 Label Smoothing
│   └── A3-c: 结合 Mixup
│
├── 执行实验 → 评估结果
├── 保留：A3-b 性能最优
│
└── 最优路径：A → A3 → A3-b

阶段3：论文写作
│
├── 调用 Paper Writing Agent
├── 生成完整 LaTeX 论文
│   ├── Abstract（200词）
│   ├── Introduction（1.5页）
│   ├── Related Work（1页）
│   ├── Method（2页，含公式推导）
│   ├── Experiments（3页，含6个数据集）
│   ├── Analysis（1.5页）
│   └── Conclusion（0.5页）
├── 生成 4 张图表（2 折线图 + 1 柱状图 + 1 散点图）
├── 编译 LaTeX → 生成 PDF
│
└── 输出：完整论文 PDF

阶段4：自动评审
│
├── Automated Reviewer 评分
├── 生成 3 条模拟评审意见
├── 评分结果：Overall: 6, Confidence: Medium
│
└── 通过 / 未通过质量阈值

五、技术实现细节

5.1 系统依赖与环境

AI Scientist-v2 的运行需要较为严格的环境配置：

# 环境搭建（官方推荐）
conda create -n ai_scientist python=3.11
conda activate ai_scientist

# 安装 PyTorch + CUDA
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 \
    -c pytorch -c nvidia

# PDF 和 LaTeX 工具链
conda install anaconda::poppler
conda install conda-forge::chktex

# 安装 Python 依赖
pip install -r requirements.txt

注意：整个安装过程通常不超过 1 小时，但需要 NVIDIA GPU（CUDA 支持）和足够的显存（建议 24GB+），因为系统需要运行大量的神经网络训练实验。

5.2 支持的模型后端

AI Scientist-v2 的设计是模型无关的，支持多种 LLM 后端：

# OpenAI（默认）
export OPENAI_API_KEY='sk-...'

# Google Gemini（通过 OpenAI 兼容 API）
export GEMINI_API_KEY='...'

# Anthropic Claude（通过 Amazon Bedrock）
pip install anthropic[bedrock]
export AWS_ACCESS_KEY_ID='...'
export AWS_SECRET_ACCESS_KEY='...'

系统会自动选择可用的模型。当同时有多个 API Key 时，可以通过配置文件指定使用哪个模型作为不同 Agent 的后端。

5.3 核心 Python 接口

# 使用 AI Scientist-v2 的简化示例
from ai_scientist_v2 import AIScientist

# 初始化系统
scientist = AIScientist(
    model="gpt-4o",  # 或 "claude-sonnet-4", "gemini-2.5-pro"
    max_experiments=50,
    branch_budget=3,
    max_depth=4,
)

# 运行端到端研究流程
result = scientist.run(
    topic="Improving generalization in deep learning",
    datasets=["CIFAR-10", "CIFAR-100", "ImageNet"],
    compute_budget_usd=500,
)

# 获取结果
print(f"论文标题: {result.paper_title}")
print(f"评审得分: {result.reviewer_scores}")
print(f"ATS 探索分支数: {result.total_branches_explored}")
print(f"执行实验数: {result.experiments_run}")

5.4 安全防护机制

警告！ 这个系统会执行 LLM 自己编写的代码。这带来了巨大的安全风险：

"This codebase will execute Large Language Model (LLM)-written code. There are various risks and challenges associated with this autonomy, including the potential use of dangerous packages, uncontrolled web access, and the possibility of spawning unintended processes."

研究团队明确建议在**隔离的沙箱环境（如 Docker 容器）**中运行：

# 官方推荐的沙箱环境
FROM nvidia/cuda:12.4.0-runtime-ubuntu22.04

RUN conda create -n ai_scientist python=3.11 && \
    conda install -y pytorch && \
    pip install -r requirements.txt

# 网络隔离
RUN echo '127.0.0.1 localhost' > /etc/hosts
# 禁止外部网络访问（除了 Semantic Scholar API）
# 文件系统只读（除了工作目录）

六、性能评测：AI 科学家真的能发论文吗？

6.1 ICLR 2025 Workshop 实验

研究团队将 AI Scientist-v2 生成的一篇论文直接投递到了 ICLR 2025 Workshop 进行双盲同行评审。

论文主题："Feature Suppression in Deep Neural Networks: A Regularization Perspective"

评审结果：6, 7, 6 → 平均 6.33 分

这个分数的意义：

• 稳稳越过了该 Workshop 的录用线
• 高于 55% 的人类投稿论文
• 与人类作者的论文相比，AI 生成的论文在创新性上略逊，但在实验完整性和写作规范性上表现出色

6.2 Automated Reviewer 大规模评估

除了投稿真实会议，研究团队还使用 Automated Reviewer 对 v1 和 v2 进行了大规模对比评测：

解读：

• v2 的通过率较低，这是因为 v2 探索更广泛、不依赖模板，生成的内容更"自由"也更容易失控
• 但 v2 在新颖性和实验完整性上显著优于 v1
• v2 的计算成本约为 v1 的 3 倍，这来自 ATS 的多次分支探索

6.3 Scaling Law：更多的计算 = 更好的论文

一个关键发现是：AI Scientist 生成论文的质量，随测试时计算量的增加而提升——这与 LLM 预训练的 Scaling Law 高度相似。

评分  ↑
      │                                    ★ v2 (Claude 3.5)
  5.0 │                              ★
      │                        ★
  4.0 │                  ★
      │            ★
  3.0 │      ★
      │★
  2.0 │
      └─────────────────────────────────────→ 计算量（log scale）
         低          中          高

这一发现具有深远意义：只要基础模型能力持续提升，AI Scientist 的能力上限也会随之水涨船高。

七、核心挑战与局限性

7.1 幻觉问题（Hallucination）：AI 科研的致命软肋

2026 年 4 月，东京大学的一个研究团队（arXiv:2604.01128v1）对 AI Scientist 的输出进行了系统性审计，发现了一个严重问题：AI 生成的论文存在不可忽视的幻觉现象。

具体表现包括：

• 引用幻觉：生成不存在的参考文献，或将真实论文的结论张冠李戴
• 数字幻觉：在图表中生成看似合理但实际未运行过实验的数据
• 方法幻觉：声称使用了某种技术，但代码中并未真正实现

这直接解释了为什么 v2 的 Automated Reviewer 通过率（约 28%）远低于 v1（约 40%）——v2 的探索性更强，幻觉风险也更高。

应对策略：

1. 所有实验代码必须经过沙箱执行验证，不能只信任 LLM 的输出
2. 参考文献必须通过 API 实时验证其存在性
3. 数字结果必须与实际运行日志一一对应

7.2 安全边界：执行 AI 生成的代码有多危险？

让 LLM 编写并执行代码，本身就是一个安全悖论：

• AI 可能编写出恶意代码（如安装后门、窃取数据）
• AI 可能执行危险操作（如格式化磁盘、发送网络请求）
• AI 可能陷入无限循环（自我复制的实验代码）

当前的安全缓解措施包括：

• 沙箱 Docker 容器隔离
• 网络访问白名单（仅允许 Semantic Scholar API）
• 资源限制（CPU/GPU 显存、超时时间）
• 危险包黑名单检测

但这些措施是不充分的——AI 生成代码的能力提升速度，远超安全防护的迭代速度。

7.3 计算成本：不是每个人都能承受

v2 的平均单篇论文生成成本约为 $42（在 2026 年的 API 价格下），看似不高，但：

• 这是平均成本，高复杂度探索可能超过 $200/篇
• 大规模科研应用（如每天生成 1000 篇论文）需要数千美元的日成本
• 需要持续的 GPU 资源（每个实验至少占用一个 GPU 数小时）

这使得 AI Scientist-v2 目前只能作为研究辅助工具而非科研普及手段。

7.4 原创性与创新性的天花板

当前 AI Scientist 的创新本质上是组合式创新——将已有的技术点以新的方式组合。它还无法做到：

• 提出全新的理论框架（如提出 Attention is All You Need）
• 发现完全未知的科学现象
• 理解实验背后的因果机制而非相关性

AI Scientist 可以"做科研"，但还不会"想科研"。

八、未来展望：从 AI Scientist 到 AI 科研生态

8.1 多 Agent 协作的科研团队

未来的 AI 科研系统可能不再是单一流水线，而是一个多 Agent 协作的虚拟实验室：

• 一个 Agent 负责假设生成（类似 PI / 项目负责人）
• 多个 Agent 负责不同方向的实验执行（类似博士后）
• 一个 Agent 负责文献管理与综述（类似文献管理员）
• 一个 Agent 负责代码质量审计（类似技术审稿人）
• 一个 Agent 负责论文写作与可视化（类似技术写作专员）

8.2 跨学科泛化

当前 AI Scientist-v2 局限于 ML 领域。未来扩展方向：

• 生物化学：AlphaFold 已经证明了可行性，但端到端自动化还不够
• 数学证明：Lean 证明助手的结合可能实现自动数学研究
• 材料科学：结合高通量计算与实验自动化
• 经济学期刊：数据分析 + 因果推断的自动化

8.3 与人类科学家的协作模式

最现实的短期未来是 AI Scientist 作为人类科学家的"超级助手"：

• 人类提出研究方向，AI 负责实验设计与执行
• AI 快速验证人类的研究假设，淘汰不可行的方案
• 人类把关创新性，AI 保证实验的完整性与规范性
• AI 生成初稿，人类负责深度审稿与修正

这比完全自动化更安全、更可控，也更符合当前学术界的接受度。

九、技术启示：Agentic 系统的工程哲学

AI Scientist-v2 不仅仅是一个科研工具，它的架构设计为整个 Agentic AI 系统领域提供了宝贵的工程经验：

9.1 Tree Search 是复杂 Agent 任务的关键

对于需要探索多条路径的复杂任务，简单的线性流水线远不够用。Agentic Tree Search 结合了：

• 广度探索（多分支并行探索）
• 深度验证（沿最优路径深入）
• 动态剪枝（避免计算资源浪费）

这是让 Agent 具备"规划能力"的核心技术手段。

9.2 评估函数决定系统上限

ATS 的效果高度依赖 Experiment Manager 的评估质量。如果评估函数不够准确：

• 错误分支可能被过早剪枝
• 低质量分支可能被保留并浪费计算资源

设计好的评估函数往往比设计搜索算法本身更难。

9.3 去模板化是泛化的必经之路

v1 依赖模板，v2 去掉模板，短期内牺牲了成功率，但换来了跨领域泛化能力。这是一个重要的工程权衡：短期的可靠性 vs. 长期的扩展性。

9.4 安全与能力的平衡

AI Scientist-v2 的安全警告（"请在沙箱中运行"）揭示了一个根本矛盾：越强大的 AI 系统，执行风险越大。如何在保持强大能力的同时建立足够的安全边界，是整个 AI 领域都需要面对的核心问题。

十、结论

AI Scientist-v2 的发表，标志着 AI 辅助科研从"工具时代"迈入了"协作时代"甚至"自主时代"。

它做到了什么：

• 首次实现从假设生成到论文发表的完整科研自动化
• 生成的论文通过了真实顶级学术会议的同行评审
• 证明了 AI 在增量性 ML 研究中的可行性
• 建立了 Automated Reviewer 这一新的评估范式

它还没做到什么：

• 提出真正原创性的理论突破
• 完全消除幻觉和信息安全问题
• 以可接受的成本大规模部署
• 跨出 ML 领域走向其他学科

对于程序员和工程师而言，AI Scientist-v2 带来的启示是双重的：

1. 作为工具：它预示着未来科研的基础设施将被 AI 深刻改变，开发者需要准备好构建、管理和维护这些 AI 驱动的科研平台
2. 作为系统：它的 Agentic 架构设计（ATS、多 Agent 协作、安全沙箱）是构建复杂 AI 应用的最佳实践范本

最后值得一提的是，Nature 论文的标题是 "Towards end-to-end automation of AI research"——"迈向 AI 研究的端到端自动化"。这个" Towards "用得很准确。AI Scientist-v2 不是终点，而是漫长旅程的重要一步。

它让我们第一次真正看见了那扇门的轮廓。

相关资源：

• 论文：Nature - Towards end-to-end automation of AI research
• GitHub v1：SakanaAI/AI-Scientist
• GitHub v2：SakanaAI/AI-Scientist-v2
• ICLR Workshop 实验：SakanaAI/AI-Scientist-ICLR2025-Workshop-Experiment

Tags：AI Scientist | Sakana AI | Agentic Tree Search | Nature | 科研自动化 | LLM | AI Agent | 同行评审 | ICLR

Keywords：AI Scientist | Sakana AI | Agentic Tree Search | automated research | Nature publication | ICLR | peer review | AI Agent | scientific discovery | ML automation