一句话看懂：西湖大学博导王欢在1024模力工场AI社区日分享指出，AI智能体正加速论文、代码和实验产出，但生成成本降低后，成果鉴别与同行评审压力显著上升，科研评价规则需要重新审视。
事件核心：发生了什么
在1024模力工场·AI社区日主论坛上，西湖大学工学院助理教授、博导、ENCODE Lab负责人王欢以《AI智能体对科研的影响》为题发言。他将Agent理解为具备自主决策与工具调用能力的程序，工程上可视为大模型外挂一层Harness（负责上下文管理、工具调用等）。他本人每天早6点由Agent筛选并推荐10篇相关文献；在计算机科研中，从想法到代码实现的周期明显缩短。他以西湖大学团队的工作为例：有团队推进AI Scientist，原发杰团队几天前在《自然》正刊发表论文，用户用自然语言描述需求，模型可自动设计蛋白质结构。同时，他以某AI顶级会议为例：前14年投稿总量约5.5万篇，而今年一年论文取号量已超过该总和，尽管取号量不等于最终投稿量。
为什么重要
论文生产成本骤降，首先冲击的是评审系统。稿子仍需博士生、导师逐篇审读，供给膨胀而审稿人力有限，同行评审的质量和时效都会承压。其次，科研评价仍高度依赖论文数量等量化指标，Agent让数字化成果更容易堆叠，竞争压力随之放大。目前公开信息显示，已有教师倡议“慢科研”、重质量而非数量，但有学生统计签署声明教师的发文量并提出质疑，说明仅靠倡议难以解决制度性激励问题。王欢的核心判断是：生成快了，判别没有同步变快，而判别恰恰是当前更稀缺的能力。
对用户/开发者/创作者的影响
对开发者而言，Agent在文献整理、代码生成、实验脚本和论文初稿等环节的提效是现实收益，Harness式的工具调用与上下文管理也已成为常见工程范式。但产出越多，越需要保留可复核的实验记录、数据与代码，避免把“生成”误当成“验证”。对科研人员和学生，评估自身工作时更应关注结论是否可检验、贡献是否可区分，而不只是篇数。对内容创作者和企业知识工作者，同样面临鉴别成本上升的问题：AI可以批量产出“看起来新”的材料，筛选和判断的价值反而更高。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是AI Scientist类系统能否从流程集成走向可复现的完整研究闭环；二是顶会与期刊是否调整审稿机制，例如引入AI辅助筛查或更严格的贡献声明；三是高校和机构是否在招聘、毕业与考核中降低单纯论文计数的权重。这些变化将决定Agent是仅提升效率，还是真正改变科研评价。
来源：InfoQ CN
