代理性研究者：数学与机器学习中 AI 辅助研究的实用指南
机器学习
2026-03-18 v1 人工智能
摘要
AI 工具与智能体正在改变研究者的工作方式，从定理证明到神经网络训练。然而对于许多人而言，这些工具如何融入日常研究实践仍然不清晰。本文是一份关于数学与机器学习中 AI 辅助研究的实用指南：我们讨论了研究者如何有效地运用现代 AI 系统，何时这些系统最有帮助，以及如何在负责任地使用它们需要哪些限制条件。本文分为三个部分：(I) AI 集成的五级分类体系；(II) 一个开源框架，通过一套以智能体提示语形式刻画的方法学规则，将 CLI 编程智能体（如 Claude Code、Codex CLI、OpenCode）转化为自主研究助手；(III) 来自深度学习与数学的案例研究。该框架运行在沙盒容器中，能够通过现有的 CLI 智能体与任何前沿大语言模型交互，足够简单，可在几分钟内安装和使用， scales 从个人笔记本的原型设计到跨计算集群的多节点、多 GPU 实验。实际情况下，我们最长的自主会话持续了超过 20 小时，在没有人工干预的情况下，将独立实验分派到多个节点。我们强调，该框架旨在不是取代研究者的角色，而是增强他们的能力。我们的代码已公开于 https://github.com/ZIB-IOL/The-Agentic-Researcher。
引用
@article{arxiv.2603.15914,
title = {The Agentic Researcher: A Practical Guide to AI-Assisted Research in Mathematics and Machine Learning},
author = {Max Zimmer and Nico Pelleriti and Christophe Roux and Sebastian Pokutta},
journal= {arXiv preprint arXiv:2603.15914},
year = {2026}
}