科研能不能"睡一觉醒来就跑完了"？
上交大团队在 arXiv:2605.03042 发布了 ARIS（Auto-Research-in-sleep），一个开源的自主科研框架。一周不到，GitHub 已经 8.9k star。
这不是又一个"AI 帮你查文献"的工具。ARIS 的核心设计是对抗式多 Agent 协作：一个执行模型负责推进研究，一个不同模型家族的审稿模型负责挑刺。不是合作，是博弈。
架构拆解：三层结构
ARIS 分三层，每层解决不同的问题。
执行层。 65 个以上用 Markdown 定义的可复用技能，通过 MCP 接入不同模型，还有个持久化的研究 wiki 用于积累已有发现。最关键的是确定性图表生成——科研论文里图表的随机性是致命伤，ARIS 解决了这个。
编排层。 五个端到端工作流，可以调 effort 参数控制投入，还能配置路由到不同的审稿模型。你可以让 GPT 系列做执行，Claude 系列做审稿，反之亦然。
保障层。 这才是 ARIS 最硬的部分。三阶段证据验证流程：完整性检查→结果到主张的映射→主张审计。简单说就是确保论文里写的每一句话，都能在原始实验数据里找到支撑。外加五轮科学编辑流水线、数学证明检查和 PDF 渲染视觉检查。
为什么要用"对抗"而不是"协作"
论文里有一句话很关键：
"对于长周期科研工作流，核心失败模式不是明显的崩溃，而是一个看起来合理但缺乏证据支撑的成功。"
一个长时间运行的 Agent 可以生成看起来很对的结论，但这些结论的证据链可能是断裂的、被曲解的，或者从执行者的预设立场中隐性继承的。
对抗式设计的价值就在于此：审稿模型和执行模型来自不同的模型家族，它们有不同的训练数据和行为偏好。执行模型说"这个实验结果支持结论 A"，审稿模型的任务就是找出"这个结论其实不成立"的证据。
自改进闭环
ARIS 还有个 prototype 级别的 self-improvement loop：记录研究 trace，提出 harness 改进建议，但只有审稿模型批准后才采纳。
这个设计很克制。不是所有改进都值得接受，让"对手"来当 gatekeeper，比让作者自己决定要靠谱得多。
实际能用吗
论文提到的是"early deployment experience"，说明已经在实际跑了。但具体产出了什么论文、质量如何，目前还没有公开的同行评审结果。
从技术成熟度看，ARIS 的架构完整度相当高。65+ 技能、三阶段验证、五轮编辑——这不是一个概念验证，而是一个工程化的系统。
但科研这事，最终还是要看产出质量。如果 ARIS 能产出一篇通过同行评审的论文，那才是真正的里程碑。
跟谁比
之前的自主科研方向有几个工作：
- Sakana AI 的 AI Scientist（2024 年 8 月）——用 LLM 生成 ML 论文，但缺乏严格的证据验证
- ChemCrow 等化学领域 Agent——限定在特定学科
- OpenHands 等通用 coding Agent——可以做实验但不涉及科研流程
ARIS 的定位更偏向"科研基础设施"，不绑死某个领域，而是提供一套可复用的科研 harness。
主要来源：
- arXiv:2605.03042 - ARIS: Autonomous Research via Adversarial Multi-Agent Collaboration
- GitHub: github.com/wanshuiyin/Auto-claude-code-research-in-sleep