智能体能做开放式科学发现吗，Station 平均复现六成三的研究判据

"一篇十月初公开于 arXiv 的论文评测了名为 Station 的系统，结果显示 Station 平均复现百分之六十二点七的研究判据，而 Codex 多智能体为百分之十五点四，另一款 AI 科学家系统区间为百分之十四点四到二十点六。消融分析表明，两个机制结合能同时提升研究的覆盖面与连续性。\n"

"一篇十月初公开于 arXiv 的论文评测了名为 Station 的系统，结果显示 Station 平均复现百分之六十二点七的研究判据，而 Codex 多智能体为百分之十五点四，另一款 AI 科学家系统区间为百分之十四点四到二十点六。消融分析表明，两个机制结合能同时提升研究的覆盖面与连续性。\n"

"一篇十月初公开于 arXiv 的论文评测了名为 Station 的系统，结果显示 Station 平均复现百分之六十二点七的研究判据，而 Codex 多智能体为百分之十五点四，另一款 AI 科学家系统区间为百分之十四点四到二十点六。消融分析表明，两个机制结合能同时提升研究的覆盖面与连续性。\n"

"一篇十月初公开于 arXiv 的论文评测了名为 Station 的系统，结果显示 Station 平均复现百分之六十二点七的研究判据，而 Codex 多智能体为百分之十五点四，另一款 AI 科学家系统区间为百分之十四点四到二十点六。消融分析表明，两个机制结合能同时提升研究的覆盖面与连续性。\n"

一篇十月初公开于 arXiv 的论文评测了名为 Station 的系统，结果显示 Station 平均复现百分之六十二点七的研究判据，而 Codex 多智能体为百分之十五点四，另一款 AI 科学家系统区间为百分之十四点四到二十点六。消融分析表明，两个机制结合能同时提升研究的覆盖面与连续性。

百分之六十二点七的复现率算什么水平？

作为对照，主流代码智能体在同任务上只能复现一成多，Station 直接把数字拉到六成以上，说明在开放式研究发现这个极难任务上，结构化的智能体流程比单纯堆模型规模更有效。但近四成未复现，也说明离可靠的自动科学家还很远。

和做一道有标准答案的题不同，开放式研究没有现成对错，智能体要自己定义问题、找相关文献、设计实验并判断什么算新发现。最难的不是算，而是在没有外部信号时持续保持方向感，避免在原地打转。

论文消融显示，单靠任何一个机制都达不到六成以上，两者结合才显著提升覆盖面与连续性。这暗示开放式科研智能体需要探索广度与沿着线索深入两种能力的平衡，缺一个都会退化成广撒网或钻牛角尖。

目前它复现的是已有研究的判据，距离从零提出一个改变范式的理论还有数量级的鸿沟。真正的科学突破依赖直觉、跨界联想和长期坚持，这些恰恰是当前智能体最缺的。它更像一个不知疲倦的助手，而不是下一个爱因斯坦。