最后一篇人类撰写论文：智能体原生研究制品
机器学习
2026-05-20 v3
摘要
科学出版将一个分支、迭代的研究过程压缩为线性叙述，丢弃了在此过程中发现的大部分内容。这种编译施加了两种结构性成本：一是叙事税，即为了适应线性叙述而丢弃失败的实验、被拒绝的假设和分支探索过程；二是工程税，即审稿人足够但智能体不足的规范之间的差距导致关键实现细节未被记录。这些成本对人类读者尚可容忍，但当AI智能体必须理解、复现和扩展已发表的工作时，它们就变得至关重要。我们引入了智能体原生研究制品（ARA），这是一种用机器可执行研究包替代叙述性论文的协议，其结构围绕四个层次：科学逻辑、包含完整规范的可执行代码、保留编译所丢弃失败的探索图，以及将每个声明与原始输出关联的证据。三种机制支持该生态系统：捕获日常开发中决策和死胡同的实时研究管理器；将传统PDF和代码库转换为ARA的ARA编译器；以及自动化客观检查的ARA原生评审系统，使人类审稿人能够专注于重要性、新颖性和品味。在PaperBench和RE-Bench上，ARA将问答准确率从72.4%提高到93.7%，复现成功率从57.4%提高到64.4%。在RE-Bench的五个开放式扩展任务中，ARA中保留的失败轨迹加速了进展，但也可能限制有能力的智能体跳出先前运行的框架，这取决于智能体的能力。我们的代码已在 https://github.com/Orchestra-Research/Agent-Native-Research-Artifact 开源。
引用
@article{arxiv.2604.24658,
title = {The Last Human-Written Paper: Agent-Native Research Artifacts},
author = {Jiachen Liu and Jiaxin Pei and Jintao Huang and Chenglei Si and Ao Qu and Xiangru Tang and Runyu Lu and Lichang Chen and Xiaoyan Bai and Haizhong Zheng and Carl Chen and Zhiyang Chen and Haojie Ye and Yujuan Fu and Zexue He and Zijian Jin and Zhenyu Zhang and Shangquan Sun and Maestro Harmon and John Dianzhuo Wang and Jianqiao Zeng and Jiachen Sun and Mingyuan Wu and Baoyu Zhou and Chenyu You and Shijian Lu and Yiming Qiu and Fan Lai and Yuan Yuan and Yao Li and Junyuan Hong and Ruihao Zhu and Beidi Chen and Alex Pentland and Ang Chen and Mosharaf Chowdhury and Zechen Zhang},
journal= {arXiv preprint arXiv:2604.24658},
year = {2026}
}
备注
46 pages, 15 figures, 14 tables