王欢：Agent加速科研，也让论文成果更难评估

在一场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负责人王欢，以“AI智能体对科研的影响”为题分享观点，讨论Agent如何改变科研流程及其评价体系。

王欢的研究主要包括高效人工智能与AI评测：前者关注通过算法、模型、系统和硬件降低运行成本、提升效率，后者则追问“什么是智能”以及如何合理衡量智能。他认为，Agent一方面让科研执行更快，另一方面也让成果鉴别、同行评审和学术评价承受更大压力。

王欢本科和硕士就读于浙江大学，后赴美国攻读博士，约两年前回国加入西湖大学。他表示，这次分享主要基于计算机和AI研究者的实际体验，并不试图概括所有学科，而是围绕Agent的定义、它带来的科研变化，以及人们应如何应对展开讨论。

在他的理解中，Agent的核心并非单纯生成文本，而是能够自主决定下一步行动并调用工具完成任务。传统程序通常由人预先写定执行路径，Agent则需要在任务过程中进行复杂决策。工程上常见的实现方式，是在大模型外增加一层Harness，用于管理上下文、记录过程、调用工具并接收反馈；这种自主性并非二元界线，而是连续谱系。

科研的本质也不等同于写论文、投稿或参加会议，而是遵循一定规范、围绕问题增进人类理解的认识过程。科学命题通常需要能够接受经验检验并存在被证伪的可能，但具备科学性不代表结论必然正确，论文只是科研成果的一种呈现形式。

Agent已经覆盖文献阅读、研究构思、代码编写、实验设计、论文写作和审稿等环节。王欢介绍，他每天早上6点会收到Agent筛选推荐的10篇相关文献；在计算机领域，很多学生从提出想法到完成实现的周期明显缩短。西湖大学团队还在开发AI Scientist，将这些流程整合到网站中。

AI也可能直接参与科研发现。例如，西湖大学原发杰团队曾在《自然》正刊发表研究，用户用自然语言描述需求后，模型即可自动设计相应蛋白质结构。不过，数字空间中的壁垒快速消失，并不意味着科学进步等比例加速；涉及试管和真实物理世界的实验，自动化推进仍相对缓慢。

当大量论文和“重大新发现”的声称可以快速生成时，评价体系便面临更尖锐的问题：成果是否可靠、真正新在哪里、贡献究竟有多大。现行体系仍重视论文数量，这与“慢科研”、强调质量而非数量的倡议存在张力。王欢认为，AI接手重复性工作后，人类反而有机会重新思考哪些探索和判断必须亲自承担，以及人的独特价值所在。