AI科研迎来基础设施革命！arXiv昨天（4月30日）同时发布三篇重磅论文，为自

AI科研迎来基础设施革命！arXiv昨天（4月30日）同时发布三篇重磅论文，为自动化科学发现奠定新基石。 最引人注目的是Intern-Atlas项目，研究团队从103万篇AI论文中构建了940万条语义化边的方法论演化图。这个图谱能够自动识别方法实体、推断方法间的传承关系，并捕捉推动创新演化的瓶颈因素。研究者提出的时间树搜索算法可以追踪方法的时间演进，为AI驱动的科研agent提供了可查询的因果网络。这标志着研究基础设施从文档中心向方法论中心的范式转变。 在agent训练方面，微软亚洲研究院团队提出了Synthetic Computers at Scale方法论，创建了1000个合成计算机环境用于长期生产力模拟。每个模拟运行超过8小时、跨越2000多轮对话，生成丰富的经验学习信号。实验证明，这种大规模合成环境训练能显著提升agent在生产力任务上的表现，理论上可扩展至数十亿个合成用户世界。 然而，agent评测仍面临挑战。Claw-Eval-Live基准测试对13个前沿模型评估发现，工作流自动化远未解决：最高通过率仅66.7%，无模型达到70%。HR、管理和多系统业务工作流成为持续瓶颈。评测强调需要基于新鲜外部需求和可验证agent行动的双重基础。 此外，华尔街日报报道ChatGPT出现"地精迷恋"问题，OpenAI不得不紧急干预，反映出大模型行为对齐仍需持续关注。 这三篇论文共同指向一个趋势：2026年AI研究正在从单一模型能力转向系统化基础设施，为自动化科学发现和工作流革命铺平道路。Intern-Atlas、Synthetic Computers和Claw-Eval-Live分别从数据层、训练层和评测层构建了agent科研的完整技术栈。 AI资讯 人工智能