Meta FAIR 联合牛津大学与伦敦大学学院提出 AI 研究偏好模型：用一个冻结的大模型作为裁判，在十五个尚未执行的机器学习实验里打分排序，只选最有希望的一个真正跑起来。在 AIRS-Bench 上，这套方法把平均归一化得分从零点六八四提升到零点七二九，试图解决研究智能体提出的实验远多过算力能承担的矛盾。

为什么要让模型先筛实验，而不是多跑几个？

顶级 GPU 上跑一次完整实验成本极高，一个研究智能体一天能提出上百个候选方向，全跑既不现实也浪费。研究偏好模型相当于一个事前评审，用便宜的推理替代昂贵的试错，把稀缺算力押到信息增益最大的实验上。

用冻结模型当裁判，会不会被自己的偏见锁死？

裁判模型的训练数据来自已发表的成功实验，它天然偏好主流范式，可能系统性低估看似奇怪却真正新颖的方向。这正是开放科学发现的核心张力——效率与多样性往往此消彼长，过度依赖打分器可能让研究变得保守。

这离 AI 自动做科学还有多远？

这只是实验选择这一环的自动化，从提出假设、设计实验到分析结果、写成论文，整条链路仍需人在环。把每一步都自动化且可验证，才是开放科学发现的真正门槛，目前的进展是在链条上一节一节打通。

AI 筛实验会不会让科研变得同质化？

如果所有实验室都用同一个裁判模型，大家会不约而同押注看似稳妥的方向，真正的高风险高回报探索反而被埋没。解药是让多个裁判、多套打分标准并存，并保留人工自由探索的配额，避免效率把多样性挤掉。

去论坛讨论

前往 silicon-agi.com 论坛 参与讨论