arXiv cs.AI· Gabrielle Wehr, Reuben Rideaux, Amaya J. Fox, David R. Lightfoot, Jason Tangen, Jason B. Mattingley, Shane E. Ehrhardt·· 3 小时前精选AI 评分65
arXiv 论文展示自主 AI 智能体端到端完成含 288 名人类被试的心理学研究
Closing the empirical loop: autonomous AI agents conduct end-to-end research with human participants
AI 导读
arXiv 论文（arXiv:2508.13421）展示一个领域无关的智能体 AI 系统可独立完成从假设生成、数据收集到论文撰写的完整科研流程。系统自主设计并执行三项心理学研究，覆盖视觉工作记忆、心理旋转与意象生动性，完成 288 名参与者的在线数据收集、超过 8 小时连续编码的分析流程并产出成稿。作者认为其理论推理与方法严谨性接近有经验的研究者，但在概念细微差别和理论解读上存在局限。
推荐理由
论文展示了智能体从假设到成稿的完整闭环研究，并如实指出概念解释上的局限，可供评估 AI 科研自动化的边界。
正文 · AI 翻译
摘要：人工智能系统正在变革科学发现，通过加速从蛋白质结构预测到材料设计等特定研究任务，但仍局限于需要大量人类监督的狭窄领域。科学文献的指数级增长和领域日益专门化限制了研究者跨学科综合知识和发展统一理论的能力，促使人们探索更通用的科学人工智能系统。在此，我们展示了一个领域无关的智能体式 AI 系统能够独立完成科学工作流程，从假设生成、数据收集到论文撰写。该系统自主设计并执行了三项关于视觉工作记忆、心理旋转和表象生动性的心理学研究，通过 288 名参与者进行在线数据收集，通过超过 8 小时的连续编码会话开发分析流程，并产出了完整的论文。结果表明，AI 科学发现流程具备开展研究的能力，其理论推理和方法严谨性可与经验丰富的研究者相媲美，但在概念细节和理论解释方面存在局限。这是迈向具身 AI 的一步，它可以通过真实世界实验检验假设，通过自主探索人类认知和资源限制下可能无法触及的科学空间来加速发现。它也提出了关于科学理解的本质和科学贡献归属的重要问题。
| 学科： | 人工智能 (cs.AI)；新兴技术 (cs.ET) |
| 引用格式： | arXiv:2508.13421 [cs.AI] |
| （或 arXiv:2508.13421v3 [cs.AI] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2508.13421 通过 DataCite 提供的 arXiv 发布 DOI |
|
| 相关 DOI： | https://doi.org/10.1002/advs.76675
指向相关资源的 DOI |
提交历史
来自：Reuben Rideaux [查看邮件]
[v1]
2025 年 8 月 19 日星期二 00:35:56 UTC（12,168 KB）
[v2]
2026 年 1 月 29 日星期四 01:26:14 UTC（12,248 KB）
[v3]
2026 年 10 月 26 日星期一 00:21:11 UTC（630 KB）
来源：arXiv cs.AI · arxiv.org