产品中心
电话：400-123-4657
传真：+86-123-4567
邮箱：admin@youweb.com
地址：广东省广州市天河区号
AI科学家登上Nature，论文从构思到发表全自动化，一篇已通过评审_研究_实验_人类
添加时间：2026-03-27 09:10:04 点击量：273
“内容为王”这句话在哪个时代都不会过时。随着消费升级，日益庞大的中国高端群体对高品质的生活方式与旅行体验的需求为高端出境旅游市场带来巨大市场机遇。现今的旅游产品也更向个性化、定制化、品质化靠拢，对内容创新提出更高的要求。内地的旅游内容市场仍有5-10倍的增长空间。最近36氪接触了一家做移动端旅游社区电商的团队——河马旅居指南。
河马旅居定位中等收入人群18-34岁的年轻群体，想通过碎片化的PGC或UGC内容培养用户粘性，由内容社区模式切入出境游市场。传统的旅游内容多是以长图文的游记形式呈现，河马旅居并不刻意强调旅游路线或整个游历过程的感受，在内容呈现上更加碎片化、个性化、移动化以及品质化，以小众或特色地点作为维度输出内容，建立内容社区，类似于旅游界的“小红书”或“什么值得买”。
河马旅居在部分海外旅游城市有一个4到5人的自媒体小团队定期生产PGC内容，每月更新一次内容，以优质的内容导流。目前河马的获客成本低至2-3元/人。
优质的内容利于培养高粘性度的用户，当累计到一定数量的优质内容生产者，达到一定的用户规模时，将由PGC内容带动UGC内容的自发产出，进而开始搭建旅游内容社区，最后完成向旅游社区电商的转型，形成交易闭环。
目前河马旅居的流量较为分散，微信公众号累计粉丝3万，MONO 5万，豆瓣 1万，C端获客主要来自微博、豆瓣，上周刚上线微信小程序。后期需考虑转化用户集中流量，现阶段团队正尝试跟移动WiFi租赁和签证业务团队资源置换，互相增加入口。
商业模式上，河马旅居打算分两步走，第一阶段，先帮助用户解决去哪里玩的问题。河马打算与当地的旅游局或航空公司合作，帮助他们做中国市场的整体营销，宣传当地旅游资源。第二阶段，解决用户怎么玩的问题。平台可通过用户的行为数据分析社区调性从而推荐相应的特色化旅游产品，例如在京都的寺院坐禅、学习茶道、参观日本酒的蒸馏厂等等。
此外，河马旅居也在尝试开拓知识付费的营收渠道。从体验、艺术、咖啡、酒吧、餐厅、酒店等六个维度切入，做成各旅游城市的PDF版官方性质PGC攻略。3月份售出800多本，每本单价15元。
河马旅居创始人余晓盼表示，河马旅居的核心竞争力还是个性化的内容表达。“传统旅游社区把内容做的太死气沉沉了。人美、景美但流水账似的内容很无趣。好的内容本身就是门槛。原创的有趣的才有生命力。”
内容+电商并不是一个新概念，如今传统OTA、头部电商平台以及媒体型电商都在加码内容，但要持续产出有价值的内容并非易事，需要足够规模的内容生产团队长时间的内容积累，而具有极强传播力的爆款内容更是可遇而不可求，营造内容社区所花费的精力也许正是其门槛所在。
河马旅居目前的管理团队为4人，内容产出团队20人。创始人余晓盼任河马主编兼运营，曾任职于私募、资管、律师事务所，为《美食侦探系列》旅行畅销书作者。团队目前正在寻求天使轮融资。
几小时前，Nature 宣布了真正意义上的 AI 科学家的首次实现。由“Transformer 八子”之一联合创办的日本 Sakana AI 与英国牛津大学、英属哥伦比亚大学的研究团队打造了一个从零开始搞科研的 AI，实现了从构思到论文发表的完整端到端自动化，并有 AI 论文通过国际顶会 ICLR 2025 同行评审，这是 AI 科研范式的突破，触及了人类创造力的边界。
图 | 被选中的 AI 论文节选（***s://***.nature***/art）
值得注意的是，来自英国牛津大学的 Chris Lu 和来自英属哥伦比亚大学的 Cong Lu 是共同一作之一。
图 | 从左到右：Chris Lu 和 Cong Lu（资料图）
研究中，他们造出了一个叫 AI 科学家（ AI Scientist）的系统，从想点子、写代码、跑实验、分析数据，到写论文、自己审稿，全由AI自己完成。
更让人震惊的是，其中一篇完全由AI生成的论文，投到了 ICLR 2025 的一个研讨会，拿到了 6 分、7 分、6 分的评审分数，超过了这个研讨会平均的录取线。这篇论文如果没被主动撤稿，大概率会被接收。
（***s://***.nature***/articles/s41586-026-10265-5）
据了解，AI 科学家的工作流程分成四块。
第一步是想点子。
它被喂进一个研究领域后，会自己生成一批研究方向，每一条都带着标题、研究理由、实验方案，还给自己打分，有趣程度、新颖程度、可行性，1 到 10 分自己评。然后它连上 Semantic Scholar 的学术搜索引擎，把跟已有工作太像的点子扔掉。
第二步是做实验。
这里分两种模式。
第一种是模板模式，研究人员先给它一段能跑通的代码做起点，它在这个基础上想新点子，然后叫一个叫 Aider 的代码助手来改代码、跑实验，出错了自己看日志、自己修，修好了继续跑。
另一种是无模板模式，它连起点代码都没有，得从零开始写。这时候它会搞一个树形搜索，一个点子长出好几个分支，每个分支跑不同参数、不同设置，跑完一轮选最好的那个继续往下走。这个过程会并行跑很多个节点，谁效果好谁被选中继续深挖。
第三步是写论文。
它把自己实验里记的笔记、生成的图表填进一个标准的 LaTeX 模板里，一节一节地写，引言、方法、结果、结论，全齐。要写相关工作部分的时候，它再去查 Semantic Scholar，把相关的论文找出来，然后读摘要和写引用。写完还会自己编译 LaTeX，报错了自己改，最多可以改五次，直到出一份能看的 PDF。
第四步是自己审稿。
研究团队还造了一个自动化审稿器，照着 NeurIPS 的审稿指南，对论文打分，给优点、缺点、***问题，最后给一个接受或拒绝的建议。五份独立审稿结果汇总，再由它自己当领域***做一个综合判断。
这个自动化审稿器不是随便做的，研究团队拿它跟真实的人类审稿记录做了对比。他们从 OpenReview 上拿了 ICLR 的论文数据，让自动化审稿器打分，结果它的平衡准确率达到 了69%，跟人类审稿人的 66% 差不多。
在 F1 分数上，它甚至比 NeurIPS 2021 那个著名的审稿一致性实验里的人类审稿人之间的一致性还高。这意味着自动化审稿器打出来的分数，跟一个真实的人类审稿专家基本在一个水平线上。
他们还专门测了数据污染的问题。模型训练时用的数据可能包含 2017 到 2024 年的论文，所以他们又拿 2025 年出的新论文测了一遍，结果平衡准确率降到了 66%，仍然和人类审稿人持平。这说明自动化审稿器不是靠背答案，它其实是真的能够自己判断论文质量。
（***s://***.nature***/articles/s41586-026-10265-5）
研究团队还发现了一个规律，AI 科学家生成的论文质量，跟它底下用的基础模型强相关。他们用不同时间发布的模型跑同一套流程，从较老的模型到最新的模型，生成的论文评分一直在涨。这说明随着基础模型越来越强，AI 科学家写出来的论文也会越来越接近人类水平。
同时，给 AI 科学家分配的计算***越多，它写出来的论文质量也越高。这有点像给一个研究生更多时间做实验，最后成果也会更好。这两个趋势加在一起，意味着未来 AI 科学家的能力会随着模型升级和算力增长持续提升。
（Nature）
被研讨会评审看上的那篇论文，研究的是深度学习里的一个负向结果，正好契合那个叫 ICBINB 的研讨会主题。这篇论文由AI科学家在无模板模式下生成，从头到尾没有人类修改过。它从选题、设计实验、跑代码、出图表、写 LaTeX，全部是自己完成的。
研究团队一共投了三篇，只有这一篇过了线，另外两篇没达标。这说明 AI 科学家目前还不是每次都能写出高质量论文，但这明确证明 AI 写出来的东西已经能骗过人类审稿人，让它以为自己是在审一个人类研究生的作业。
当然，AI 科学家现在还远不够完美。它偶尔会想出很幼稚的点子，方法论不够严谨，写代码时会出各种 bug，还会产生幻觉，比如引文明明是错的它硬说对，或者附录里把同一张图放两遍。
不过，研究团队发现在机器学习这个领域，很多技术刚出现时都不完美，甚至漏洞百出，但只要它能让做出来这件事本身成立，后续通过扩大规模、更好的模型、更优的技术，这项能力就会迅速提升，进而很快超越人类水平。
总的来说，这项工作的意义远远不止让 AI 写几篇论文，它把整个科研流程从头到尾连起来了，从想点子到做实验到写论文到审稿，全在计算机里跑通。
未来可以用 AI 来加速科研，比如在药物发现、材料设计、气候建模这些领域，让 AI 科学家 7×24 小时地跑实验、试方向，而人类科学家只需要在关键节点做判断和选择。
同时，研究团队在论文最后也提到了风险，比如AI论文洪流可能会压垮现有的审稿系统，或者有人拿 AI 灌水、批量发***论文。所以他们主动把投出去的论文撤回来了，也在所有生成的论文里加了水印，方便识别。他们还建议学术界尽快建立规范，告诉人们 AI 写的论文应该怎么标注和怎么对待。
参考资料：
相关论文***s://***.nature***/articles/s41586-026-10265-5
***s://***.linkedin***/in/chris-lu-37471b119/
***s://chrislu.page/
***s://***.linkedin***/in/cong-lu-530b74104/
***s://***.conglu.co.uk/
***s://sakana.ai/ai-scientist-nature/
运营/排版：何晨龙返回搜狐，查看更多
