AI第一线
DeepSeek研究员陈德里最近干了件新鲜事：用自己开发的DeliAutoResearch自动研究框架，让AI写了99%的内容，自己只花了不到两小时定方向、做关键调整，就攒出一篇46页的研究综述。这篇论文叫《From Copilots to Colleagues》，梳理的是“自主研究智能体”的发展现状。他把这类智能体按自主程度分成L1到L5五级，跟自动驾驶的分级逻辑差不多：L1就是现在的代码补全工具，只给建议；L2能接具体任务，但每步都要人点头；L3能跑多步流程，只在关键节点找人核对；L4已经能在限定领域里端到端干活——比如给定“优化某算法”的目标，它能自己做实验、写代码、出论文，人只需要看最终结果；L5是还没影的理想状态，能自己选研究问题、长期攒知识，现在卡在“怎么让AI持续记东西”“会不会自己瞎评估”这些硬问题上。目前行业最前沿刚摸到L4的边。为了写这篇综述，他总共跑了108轮Agent调用，烧了64.8万token，产了2234行LaTeX代码，103篇参考文献全核对过。传统做这类工作至少要一个月，现在6天搞定，他自己调侃：“Code Agent一来，CS论文数量怕是要‘通胀’。”论文还整理了现在主流的四类智能体架构：单智能体适合短平快任务，多智能体适合复杂分工，分层调度扛得住长周期研究，工具增强型能对接外部环境和设备。实际用的时候大多是混着来。另外还列了六个待解决的问题：比如AI容易陷进重复循环出不来、上下文窗口撑不住长期研究、没法自动判断成果有没有新意、结果复现难、安全和伦理风险，还有成本太高——单任务可能花几十美元，小团队根本用不起。陈德里说，之前忙到没精力写博客、整理想法，现在靠Agent把这些事都捡回来了。对他来说，现在的AI已经从“帮着敲代码的助手”变成了“能一起干活的搭档”，人不用再抠细节，只要把好方向、审好结果就行。这篇是他个人做的测试，不代表公司立场，倒是把“AI搞科研”这件事，摊开给更多人看了。
发布于 安徽
分享
评论
1
未登录
友善发言
评论
加载中
