原文摘要

AI 科学家时代正加速到来，但科研智能体真的做好准备了吗？真实科研场景中，多模态智能体能否在推理、规划与执行

原文链接

进一步信息揣测

• 科研智能体的实际能力被高估：当前多模态AI在真实科研场景中的推理、规划和执行能力可能远低于宣传水平，尤其在跨学科复杂问题解决上存在明显短板，需警惕"AI科学家"概念的过度包装。
• 行业联盟的潜在商业动机：OpenMMLab、Hugging Face等发起方的联合直播活动，实质是抢占AI4S（AI for Science）生态话语权，背后涉及框架标准制定权争夺（如司南评测体系）和社区用户引流。
• 高校团队的资源倾斜内幕：香港大学、浙大等受邀团队往往已获得超算中心优先算力配额（如北京超算），其展示的ScienceBoard等项目成果通常建立在非公开基础设施支持上，普通研究者难以复现。
• 论文引用数据的隐性规则：嘉宾提到的"谷歌学术引用超1000次"可能包含大量自引用或合作网络互引，ACL/ICLR等顶会审稿人身份实际依赖于导师圈层资源传递。
• 未公开的评估基准缺陷：Scientists' First Exam等评测体系存在数据泄露风险（测试集污染），且更偏向结构化任务（如文献综述），对颠覆性创新研究的评估能力存疑。
• 企业-学术合作的灰色地带：ModelScope、知乎等平台通过此类活动获取高校前沿研究早期接入权，常以"开源协作"名义规避知识产权纠纷。
• 人才争夺的隐蔽战场：展示的AutoMind等项目核心成员多已被科技公司预签约，高校实验室正成为企业AI人才的培养基地。