当AI写出的论文超过99%人类投稿，陈勇超抛出了4个没有答案的问题

星连资本·2026年09月04日 10:34

陈勇超分享自进化大模型，ApexResearch可自主产出顶会论文

2026年8月8日，清华大学人工智能学院助理教授、超衍智能创始人陈勇超在Link-X Demo Day 2026活动上，以「从静态复刻到自主发现，自进化大模型定义下一代超级智能」为主题，分享了他对自进化大模型的思考。

什么是超级智能？

8月8日，超衍智能创始人陈勇超用这个问题打开了演讲。

有意思的是，就在几天前，谷歌传奇大佬Jeff Dean也宣布离职，与Sanjay Ghemawat、Oriol Vinyals、Quoc Le 共同创办 Discovery Loop，入局RSI（递进自我改进）方向。

陈勇超说：“这跟我们做的几乎一模一样。”这不是攀比。而是一件事正在从学术边缘走向行业共识的信号。

真正的智能：

不是学会了什么，是能不能“灵光一现”

谷歌前研究员、Keras创始人François Chollet在2019年的一篇文章中提到：我们现在测试AI智能的方法是有问题的。“我们现在的做法，其实就是看它在各个榜单上的能力，它学会了什么。但更高阶的智能，应该是看它学习一个未知事物的能力——也就是创新能力。”陈勇超说。这跟大会第一幕的主题「灵光一现」吻合。我们要看的不是一个AI背了多少知识，而是它有没有灵光一现的能力。

现在的大模型在做的事情，是压缩和记住这个世界已有的知识。超衍智能想做的，是让它创造这个世界未知的知识。

这条路不是今天才有的。

1965年，英国密码学家兼数学家 I.J. Good（欧文·约翰·古德）在1965年发表的论文《关于第一台超智能机器的猜测》中，首次提出了“智能爆炸”（Intelligence Explosion）的概念。他预言，当人工智能超越人类智力并能自主改进自身时，将引发不可阻挡的指数级飞跃，而“超智能机器将是人类需要做出的最后一项发明”。

但这个概念在大模型出现之前，根本不可能实现。

2023年，业界开始做初级的自进化系统，让大模型自己优化prompt和agent。陈勇超当时也在进行相关工作。但他很快发现上限：优化到一定程度后，再怎么调，性能就不会再涨了。

2024年，日本Sakana AI做了“AI Scientist”，让AI自己写论文，验证了这个方向的可行性，——但产出只能到workshop水准，距顶会水准还有差距。

转折发生在2026年2月，Claude Opus 4.6发布后，陈勇超自己尝试了一下，发现它确实能让研究变得高效和自动化。基于这个判断，他做了Apex Research。

奇点已现：

34篇论文，2篇超过99%的人类投稿

Apex Research是一套能在无人干预下自主做研究的系统。

在过去几个月里，Apex Research完成了从文献调研、方法设计、代码实现、实验分析、图表绘制、LaTeX论文撰写，到自我审查与迭代优化的全过程，已经能产出NeurIPS、ACL级别的顶会论文。

今年5月，Apex Research自主产出了34篇论文，提交到ACL评审。7月结果出来：

- 11篇论文的平均初审分≥3

- 其中2篇论文的平均分达到3.7左右

3.7分意味着什么？陈勇超拿自己做了参照：“我读博的时候投ACL，只有一次的平均分大概是3.7，剩下几次都低于3.7。”

99%的人类投稿，分数都是低于3.7。也就是说，现在AI的研究能力，已经达到了人类博士的水准。

Apex Research不只用于AI研究领域。

最近，超衍智能团队跟清华大学张景昭老师合作，用这套系统做纯数学理论研究。结果发现：AI改进了过去十几年该领域的一个主流认知。数学家们反复验证后认为这个证明是对的，目前已经写成论文即将投稿。

关于四个没有答案的问题

演讲最后，陈勇超抛出了四个他正在思考的问题。

怎么让AI科学家的创新能力从博士水准达到牛顿、爱因斯坦的水准？

陈勇超有一个他自称为暴论的观点：所有研究本质上都是排列组合。那些有突破性的研究，比如Transformer，只不过是探索到了一个概率密度极低的排列组合，而且刚好是对的。大部分研究都在概率密度高的区域打转，所以显得不够有吸引力。

“我们要提高AI的创新能力，就要提高它的思维多样性，让它的思维能够飘到那些概率特别低的排列组合里面去。怎么飘过去，怎么判断这个想法是否可行——这是为什么要做自进化模型的原因。”陈勇超说。

当AI能批量产出科学发现，怎么评估它们？

如果AI科学家达到爱因斯坦水准，它会自动化地产出海量的研究结果。但人类社会评估一个科学结论，靠的是时间——很多重要发现要过几十年才能看出影响力。未来，科学的评估可能会比科学的生成更困难。

论文这种媒介还会存在吗？

论文存在了几百年，过去，因为人类的信息处理能力有限，往往要做一两年的实验，最后压缩成了几页纸来传播。这个过程存在一定的信息损失：研究者写论文时有损失，读者读的时候靠想象来补充，造成信息不对称。

“但对于AI来讲，这不是问题。AI的信息处理能力比人类强很多。我们可以把所有研究过程和实验设置全部装进系统，让另一边的AI来读，它能准确获取所有信息，并复现结果。”陈勇超的判断是：对于以AI科学家为主体的研究群体，论文很可能不再是主要的传播媒介。

研究成果归谁？

如果AI能做出很好的研究，成果应该归用AI的人，还是归AI本身？责任又该归谁？陈勇超举了一个例子：一个高中生借助这套系统，可能产出大量高质量论文。如果直接投稿说是自己写的，你很难判别。现有的社会评价体系可能会被打破。

“现在的研究是掌握在高智商的人手里。但以后的研究，可能是掌握在算力比较多的人手里，或者钱比较多的人手里。”

超衍智能要做的事：

解锁尚未被发现的发现

这四个问题没有标准答案。

陈勇超说，一家做自进化模型的公司，不是要等所有问题都想清楚了才动手，而是要在做的过程中，把这些问题一个一个变成可以讨论的命题。

超衍即超级衍生。当AI不仅能回答问题，还能提出问题、设计实验、验证假设时，研究的定义正在被改写，超衍智能要做的事，就是让这个变化发生得更快、更安全、更可信。

以下为演讲全文内容。

大家好，我是陈勇超，超衍智能的创始人。今天非常感谢主办方的邀请，我今天分享的主题是——从静态复刻到自主发现，自进化大模型定义下一代超级智能。

最近自进化这个方向非常火。两天前，Google的Jeff Dean也公开宣布做这个方向。我看了一下他做的方向，跟我们做的几乎一模一样。

什么是超级智能？

首先我想跟大家探讨一个问题：什么叫做超级智能？或者说什么叫做artificial superintelligence？

我想引用一位我非常喜欢的谷歌前研究员、Keras创始人François Chollet在2019年写的一篇文章。他这篇文章的主要观点是：我们现在测试AI系统智能的方法是有问题的。

说白了，我们现在的做法就是看它在各个榜单上的能力，看它学会了什么。但他觉得这样的智能是比较初级的。更高阶的智能，应该是看它学习一个未知事物的能力——也就是它的学习能力。而这个能力，其实就是创新能力。

这跟今天论坛的主题「灵光一现」很像——你要看一个AI系统有没有灵光一现的能力。

现在的大模型是在压缩或者记住这个世界已有的知识。我们想做的事是让它能够创造这个世界未知的知识。这就是AI科学家，或者叫自进化大模型，这也是我们公司（超衍智能）现在在做的事。

这条路不是今天才有的

其实这个概念也不是最新的。1965年，英国密码学家I.J. Good就提出了"智能爆炸"的概念——让机器能够设计出更好的机器，一代一代迭代，智能就会越来越高，达到智能爆炸的效果。但这样一个概念，以前根本不可能实现，直到大模型出现。

2023年的时候，大家开始做一个非常初级的自进化系统——让大模型自己来设计自己的prompt，或者自己设计agent系统。那个时候我也有一篇相关工作。但后来我们发现，这种方式的上限比较低。因为你优化到一定程度以后，再怎么优化它的prompt或者agent，性能就不会再有提升了。

到了2024年，日本的Sakana AI提出了AI Scientist。他们让AI自主做AI研究，能写出paper。但后来他们也发现，当时他们的AI Scientist写出来的paper只能到workshop水准。

去年5月，我在Google Research和DeepMind实习，刚好就是做AI Scientist方向。他们当时想让我做一套更好的系统。但那个时候我没有立刻做，原因很简单——我当时觉得大模型还没有到那种能力，做出来的研究比较trivial。

转折发生在今年2月。Claude Opus 4.6发布以后，有人跟我说，现在这个模型做出来的研究已经很厉害了。我一开始不太信，后来自己试了一下，发现它确实能让研究变得非常高效、非常自动化。基于这个判断，我们做了一套系统，叫做Apex Research。

34篇论文，2篇超过99%人类投稿

这套系统已经能够在没有人干预的情况下，自主做研究，产出顶会级别的论文——比如NeurIPS或ACL的论文。

今年5月，Apex Research自主产出了34篇论文，提交到了今年的ACL评审。

7月份结果出来：

34篇论文中，11篇论文的平均初审分≥3

其中大概2篇论文的平均分在3.7左右

3.7分是什么概念？我读博的时候投ACL，只有一次的平均分达到3.7，剩下几次都低于3.7。99%的人类投稿，分数都是低于3.7。

也就是说，现在AI系统的研究能力，很多时候已经达到了人类博士的水准。如果你的AI系统能够达到清华博士这种水准，那它就会很值钱。

不止AI领域。我们跟清华大学张景昭老师合作，用这套系统做纯数学理论研究。结果发现，Apex Research已经能够发现非常厉害的结论了——它做出了一个证明，改进了过去十几年这个领域的一个主流认知。我们的数学家们反复读了好几遍，基本上觉得应该是对的，现在已经写成了论文，即将投稿。这就告诉我们一件事：AI做研究是非常有前景的。以后大部分研究，有可能会用AI来完成。

为什么现有的大模型做不到？

但我们后来也发现了一个问题：优化到一定程度以后，再想往上走，光靠优化prompt和harness已经到顶了。要达到牛顿、爱因斯坦那种高度，就必须通过模型训练来解决。这就是超衍智能现在在做的事——训练下一代自进化模型。

从另一个方面来讲，我们现在正处于agent这个阶段。但肯定会从agent阶段过渡到下一个阶段——你需要让模型能够探索世界未知的知识。这也是为什么自进化这个方向突然变得这么火。

但这里有一个关键问题：现有的第一代模型很有可能达不到自进化这个目标。原因很简单——创新能力和求稳能力，这两个能力很多情况下是相悖的。

很难让一个智能体既有非常强的创新能力，又非常求稳、不容易犯错。大家可以想一下，我们人类社会也是这样的——往往非常有创新能力的一个人，他很多时候想法会不落窠臼，容易提出那种比较risky的意见。

现有的第一代模型，它的求稳性是优先考量的，因为它需要让所有用户都来用。一旦求稳优先，创新能力就会降低——它不敢提出非常有创新性的想法。

所以我们想做的是：训练一个模型，它的创新能力非常高，但求稳性我们不需要过度关注。也就是说，它做十次，错了九次没关系，你只要有一次对就可以了。

有人问，能不能实现一个既创新又稳定的模型？我觉得很难达到，其实也不需要达到——通过safety harness（安全护栏）就可以解决特定场景求稳的问题。

两个核心挑战

自进化的目标，一言以蔽之：让AI研究员能够替代所有的研究人员。这不只是AI for AI——让AI自己训练自己、自己建数据、调模型架构、调训练算法，还可以应用到各个其他领域：提出新想法、自己做实验、自己发现新的研究题目。

要实现这个目标，有两个核心挑战。

第一个挑战：怎么评测AI的研究能力？

我们做了一个benchmark，招了30个各个领域的专家，涵盖大概20个领域，设计了约100个研究课题来评测AI的研究能力。这个benchmark很快就会发布。

第二个挑战：怎么建立训练数据？

我们在做一个叫"数据自动化"的概念——让AI系统自己建立自己的训练数据。在没有人干预的情况下，一代一代迭代数据，让模型效果越来越强。

这完全可以实现。我们现在通过数据自进化的方法，生成了大量研究轨迹。然后把这些轨迹基于GLM 5.2——一个800B的模型来训练，发现训出来的模型在各个不同难度的研究任务上，比原模型GLM 5.2有明显的效果提升，并且这些测试的任务跟训练的任务很不一样，说明范化性不错。

我们还发现，研究的长轨迹数据对训练有非常大的价值，长研究轨迹的拆分方式对模型训练效果影响也非常大。

四个没有答案的问题

最后，我想讨论几个关于未来的问题。这些问题我一直在思考，但还没有想出特别好的答案。

第一，怎么提高AI科学家的创新能力？

AI科学家现在已经达到博士水准，但怎么往上走，达到牛顿、爱因斯坦的水准？我有一个暴论：所有的研究本质上都是排列组合。那些非常有突破性的研究，比如Transformer，只不过是他探索到了一个概率密度非常低的排列组合，然后刚好发现这个排列组合是对的——这就是突破性进展。但大部分研究其实都在探索概率密度高的排列组合，所以会让人觉得不够有吸引力。

我们要提高AI的创新能力，就要提高它的思维多样性，让它的思维能够飘到那些概率特别低的排列组合里面去。怎么飘过去、飘到那么远的思维，以及判断这个思维是否可行？这是一个比较大的挑战，也是为什么要做自进化模型的原因。

第二，当AI能批量产出科学发现，怎么评估它们？

如果AI科学家达到爱因斯坦水准，它会自动产出非常多的研究结果。但怎么可靠地评估这些海量的科学发现？

我觉得未来科学的评估可能会比科学的生成更困难。因为现在仍然是科学结论的生成比较困难，做实验、写paper的流程周期是很长的。但如果未来AI能发现一大堆结论，评估会比生成更困难。大家想一想，人类社会评估一个科学结论，靠的是时间来检验——很多重要发现要过几十年才能看出影响力。

第三，论文这种媒介还会存在吗？

对于AI科学家这个群体，论文很可能不再是主要的传播媒介。

论文存在了几百年，是因为人类的信息处理能力比较弱。做一两年的实验，过程压缩成短短几页纸来传播。这个过程有信息损失：研究者写论文时有损失，读者读的时候又通过想象来补充，造成信息不对称。

但对于AI来讲，这不是问题。AI的信息处理能力比人类强很多。我们可以把所有研究过程和实验设置全部装进一个系统，让另一边的AI科学家来读——它能准确获取所有信息，并复现结果。所以很可能以后以AI科学家为主体的研究群体，研究成果会以新的形式存在。

第四，研究成果归谁？

如果AI能做出很好的研究，成果应该归谁？是归用AI的那个人，还是归AI本身？责任又该归谁？

举个例子，我们这套系统能写出很多很好的论文。一个高中生借助这套系统，可能产出大量高质量论文。如果他直接去投稿，说是自己写的，你很难判别。现有的社会评价体系有可能会被打破。

现在的研究是掌握在高智商的人手里。但以后的研究，可能是掌握在算力比较多的人手里，或者钱比较多的人手里。