龍蝦掀起了一場關(guān)于“智能體”的全民狂歡，當(dāng)這一邏輯進(jìn)入科研領(lǐng)域，一場更深層的變革正在發(fā)生。近日，由復(fù)旦大學(xué)自然語言處理實(shí)驗(yàn)室(FudanNLP)張奇教授團(tuán)隊(duì)創(chuàng)立的切問學(xué)術(shù)宣布重磅升級，正式上線了“全自動實(shí)驗(yàn)設(shè)計(jì)與執(zhí)行”功能，標(biāo)志著這款學(xué)術(shù)AI智能體實(shí)現(xiàn)了從傳統(tǒng)科研“七步馬拉松”到“智能體自動駕駛”的科研范式革命，科研全流程——從“想idea”到“驗(yàn)證idea”的最后一公里閉環(huán)由此打通。科研界，迎來了屬于自己的“龍蝦時(shí)刻”。

從“七步馬拉松”到“自動駕駛”：科研范式的歷史性跨越

今年兩會期間，政府工作報(bào)告首次提出“打造智能經(jīng)濟(jì)新形態(tài)”，深化拓展“人工智能+”，促進(jìn)新一代智能終端和智能體加快推廣。可以說沒有智能體，“人工智能+”將會大打折扣。

在AI4S領(lǐng)域，傳統(tǒng)科研是一場極度嚴(yán)謹(jǐn)?shù)摹捌卟今R拉松”：文獻(xiàn)檢索、研究現(xiàn)狀分析、尋找空白、實(shí)驗(yàn)方案設(shè)計(jì)、編程實(shí)現(xiàn)、數(shù)據(jù)分析、論文寫作。在這漫長的流程中，科學(xué)家將80%的精力消耗在繁雜的“重復(fù)性認(rèn)知勞動”上，需要手動篩選論文庫中的相關(guān)研究摘要、痛苦地Debug、一遍遍調(diào)格式。

切問學(xué)術(shù)的誕生，正是要以AI智能體終結(jié)這種“體力活困局”。它不是又一款“更好用的搜索框”，而是一個(gè)能全自動理解論文、搭建環(huán)境、編寫代碼、執(zhí)行實(shí)驗(yàn)、生成報(bào)告的AI智能體。給定其一個(gè)研究任務(wù)，切問學(xué)術(shù)就能在上述七大科研環(huán)節(jié)中實(shí)現(xiàn)閉環(huán)與自動巡航，科研人員只需在關(guān)鍵節(jié)點(diǎn)把控方向。

切問學(xué)術(shù)可以讓科研人員的文獻(xiàn)檢索的時(shí)間從數(shù)周縮短至數(shù)分鐘，實(shí)現(xiàn)100倍的效率提升。在問題發(fā)現(xiàn)環(huán)節(jié)讓他們從靈感盲區(qū)跳脫出來，利用AI進(jìn)行系統(tǒng)性識別，達(dá)成50倍的效率提升。再也無需數(shù)月的實(shí)驗(yàn)設(shè)計(jì)試錯(cuò)，直接進(jìn)入以天計(jì)時(shí)的新階段。不必再手工死磕調(diào)試代碼，而是AI全自動完成，數(shù)據(jù)分析時(shí)間從數(shù)周縮短至數(shù)小時(shí)，論文寫作從數(shù)月提速至數(shù)天。

“過去是人圍著實(shí)驗(yàn)轉(zhuǎn)，切問學(xué)術(shù)讓智能體圍著人的指令轉(zhuǎn)，完成從‘零碎輔助’到‘智能體自動駕駛’的跨越。”團(tuán)隊(duì)負(fù)責(zé)人張奇表示。

全自動閉環(huán)：從“想”到“干”的驚險(xiǎn)一躍

切問學(xué)術(shù)此次升級的核心——“全自動實(shí)驗(yàn)設(shè)計(jì)與執(zhí)行”功能，具體而言是可以幫助科研人員在上傳一篇論文后，完成從實(shí)驗(yàn)方式拆解、實(shí)驗(yàn)執(zhí)行及實(shí)驗(yàn)結(jié)果復(fù)現(xiàn)的全流程。第一步：理解。 全自動解析論文的實(shí)驗(yàn)方法、實(shí)驗(yàn)邏輯，提取核心任務(wù)與算法。第二步：搭建。 自動匹配算力資源，搭建適用于該論文的計(jì)算機(jī)實(shí)驗(yàn)環(huán)境。第三步：執(zhí)行。 真實(shí)編寫代碼并運(yùn)行，自我修復(fù)可能出現(xiàn)的報(bào)錯(cuò)。第四步：報(bào)告。 最終形成完整的實(shí)驗(yàn)報(bào)告。據(jù)了解，切問學(xué)術(shù)在學(xué)術(shù)實(shí)驗(yàn)復(fù)現(xiàn)完成度上可實(shí)現(xiàn)90%以上的成功率。

這相當(dāng)于給每一位科研工作者都可以像指揮一個(gè)團(tuán)隊(duì)一樣，同時(shí)并發(fā)探索十幾個(gè)前沿方向，并完成可行性驗(yàn)證。在這個(gè)過程中，AI 負(fù)責(zé)在全球海量文獻(xiàn)中進(jìn)行大海撈針式的初篩與模擬，而科學(xué)家則專注于定義問題的邊界，并對最終的顛覆性發(fā)現(xiàn)進(jìn)行最后的一錘定音。

切問學(xué)術(shù)正在運(yùn)行中的實(shí)驗(yàn)設(shè)計(jì)與執(zhí)行頁面

切問學(xué)術(shù)的厚積薄發(fā)源自復(fù)旦NLP實(shí)驗(yàn)室的“硬核家底”

這場范式革命并非憑空而來。切問學(xué)術(shù)的創(chuàng)業(yè)團(tuán)隊(duì)，很多來自張奇教授所在的復(fù)旦NLP實(shí)驗(yàn)室，他們的科研成果在頂會論文和開源社區(qū)中頻繁現(xiàn)身。切問學(xué)術(shù)的底氣也正在于這些由頂級科研成果支撐的原子能力。

復(fù)旦NLP實(shí)驗(yàn)室切問學(xué)術(shù)團(tuán)隊(duì)發(fā)表的論文

團(tuán)隊(duì)關(guān)于知識沖突的研究，入選了NeurIPS 2025 Spotlight，揭示了模型在記憶與現(xiàn)實(shí)沖突時(shí)的內(nèi)部決策機(jī)制，為解決RAG“模型不聽話”問題提供了理論支撐。關(guān)于AgentGym-RL的研究則為AI智能體構(gòu)建了涵蓋27個(gè)真實(shí)場景的“實(shí)戰(zhàn)演習(xí)場”，提出ScalingInter-RL(從易到難的課程學(xué)習(xí))，讓模型自主探索進(jìn)化，打到讓開源模型性能匹敵商用閉源大模型的效果，被ICLR 2026 大會報(bào)告接收為Oral。眾多研究成果作為底座，最終讓切問學(xué)術(shù)在第三方評測中的7個(gè)維度都交出碾壓其他大模型的亮眼成績單：搜索準(zhǔn)確率(wispaper)：93.78%(行業(yè)平均約70%)，引用真實(shí)率(HalluLens-Cite)：99.80%(接近零幻覺)，文檔解析準(zhǔn)確率(ExtractBench)：97.80%，公式解析準(zhǔn)確率(OmniDoc-FR)：91.79%。

切問學(xué)術(shù)正在科研的最深處重構(gòu)人機(jī)關(guān)系，它的終極愿景是讓科學(xué)家回歸本質(zhì)，成為“定義問題的人”，將確定性的、重復(fù)的認(rèn)知勞動徹底外包給算力，將不確定的、閃耀的靈感發(fā)現(xiàn)交還給人類。同時(shí)，切問學(xué)術(shù)抹平了信息差與代碼能力壁壘，讓有絕佳Idea的學(xué)者，不再受困于工程實(shí)現(xiàn)的短板。

相關(guān)預(yù)測數(shù)據(jù)顯示，十五五末，我國人工智能相關(guān)產(chǎn)業(yè)規(guī)模將增長到10萬億元以上。這一目標(biāo)的實(shí)現(xiàn)，離不開AI與各行業(yè)的深度融合。在AI4S領(lǐng)域，由切問學(xué)術(shù)引領(lǐng)的效率革命，不僅帶來時(shí)間成本的節(jié)約，更將預(yù)見整個(gè)文明知識庫更新頻率的狂飆。新材料的發(fā)現(xiàn)、靶向藥的研發(fā)、清潔能源的突破——那些原本需要數(shù)十年才能等來的科技奇點(diǎn)，將因?yàn)榭蒲小爸悄荏w自動駕駛”時(shí)代的到來而大幅提前。