在人工智能的学术版图中SOTAState-of-the-Art当前最佳性能长期以来被奉为衡量一项研究价值的最高法典。每当一篇学术论文刷新了某个基准测试的记录往往意味着一次技术跨越。然而清华大学人工智能学院徐丰力助理教授及其团队与中关村学院联合发布的AutoSOTA项目正引导我们重新审视这一指标背后的逻辑如果极致的性能可以通过算法规模化地自动产出那么科研创新的本质究竟应该是什么目前AutoSOTA项目已发布预印本论文。论文地址https://arxiv.org/abs/2604.05550一个长期被忽视的事实是当前的许多性能飞跃本质上是大量研究力量饱和投入后的产物。以Transformer架构为例自2017年问世以来全球科研人员围绕其开展了数千次优化历经数年才将其在通用语言理解评测集GLUE上的性能从约75%提升至91.5%。这种“增量式”优化虽然必要却在很大程度上占用了人类科学家本应投入原创性探索的宝贵精力。如果最优秀的大脑被长期绑定在重复性的性能打磨中科学发现的效率将不可避免地陷入边际效益递减的怪圈。图1 Transformer架构在GLUE评测集上的性能爬升AutoSOTA的诞生正是为了解决这一深层矛盾。它不是一个简单的代码优化工具而是一个基于OmniScientist平台、精准模拟人类算法研究分工逻辑的端到端自动化科研系统。通过引入多智能体协作框架AutoSOTA将AI智能体的赋能边界从单纯的代码生成延伸到了实验准备、执行和顶层构思的全流程实现了“从代码仓库到代码仓库”的完整闭环。在AutoSOTA的核心架构中整个研究流程被科学地划分为四个阶段 第一阶段是资源准备与目标设置。系统通过AgentResource自动管理论文、代码库与模型参数并由AgentObjective完成评价指标与目标构建。第二阶段是实验评估。这是最繁琐的基础工作由AgentInit、AgentMonitor和AgentFix构成的“实验铁三角”负责。它们能够自主处理环境初始化、状态追踪、错误修复以及复杂的测试调试任务。第三阶段是代码优化。依托程序数据库、提示词采样和大模型集成能力系统在评估器池的驱动下不断对算法实现进行精炼。第四阶段是反思与构思。这是系统最具灵性的部分AgentIdeator在AgentSupervisor的监督下通过文献检索和创新构思引擎进行顶层设计。这种认知架构Cognitive Architecture赋予了AutoSOTA规划、推理、记忆和工作流管理的能力。它不仅能处理底层的繁琐任务还能完成文献调研、方案设计等高层次思维活动从而在顶层规划与底层执行之间形成完美的闭环。图2 AutoSOTA研究问题框架为验证这一模式的革命性研发团队进行了一场为期一周的真实压力测试。在消耗约220亿Token成本约10万人民币的前提下AutoSOTA以前一年的AI顶会论文为起点成功发现了105个性能显著提升的SOTA模型。令人惊叹的是这些成果中超过60%具有新颖的模型结构设计平均性能提升接近10%。这证明了系统并非在机械地穷举参数而是展现出了跨越式的结构创新能力。图3 AutoSOTA实验结果效率层面的对比更是展示了工业级产能的震撼。传统科研路径下一名人类博士完成同样的SOTA迭代通常需要数月涵盖阅读论文、配置环境、反复调参、调研构思等漫长周期。而AutoSOTA只需要5小时即可走完整个闭环。这种百倍速的代差标志着“手工科研”向“自动科研”的工业化转型。AutoSOTA带给学术界的启示是深远的刷新性能指标将不再是高不可攀的奢侈品。当AI可以规模化地发现SOTA时我们必须重新审视科研创新的本质。这种变革促使我们将人类最宝贵的注意力从低效、重复的劳动中重新释放出来回归到更具颠覆性、更难被替代的原创研究上。一种未来的人智协同科研模式已经浮现由科研智能体系统承担大量重复性、密集型、长周期的优化过程从1到100而人类科学家则聚焦于定义问题、构思基础机制、识别战略机会从0到1。在这种语境下AutoSOTA更像是一个“创造力放大器”它不仅展示了科研智能体的巨大潜力更让我们看到了人机协作带来的无限可能。项目地址https://tsinghua-fib-lab.github.io/AutoSOTA/编辑文婧校对林亦霖关于我们数据派THU作为数据科学类公众号背靠清华大学大数据研究中心分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识努力建设数据人才聚集平台、打造中国大数据最强集团军。新浪微博数据派THU微信视频号数据派THU今日头条数据派THU