228小时狂飙100篇论文、烧光114亿Token：FARS杀疯了

2026-03-03 00:02:07

编辑｜Sia

这个春节，，，，，，AI 圈最硬核的一场「真人秀」，，，，，，悄然完成了阶段性收官。。。。。。。

主角不是动漫人物，，，，，，也不是舞枪弄棒的机械人，，，，，，而是一位 7×24 小时从不疲倦的 AI 科学家 FARS（ Fully Automated Research System ）。。。。。。。

这套由 Analemma（日行迹）打造的全自动研究系统，，，，，，在长达 228 小时 28 分 33 秒的一连果真运行中，，，，，，自己提假设、做实验、写论文，，，，，，共天生 244 个研究假设，，，，，，「肝」出 100 篇短论文（ short paper ）。。。。。。。

算下来，，，，，，在这座流水线式的「科研工厂」中，，，，，，每隔约 2 小时就有一篇论文产出。。。。。。。

让 AI 自己写 100 篇论文目的告竣，，，，，，花了 228 个小时。。。。。。。现在，，，，，，计齐整连一个月的直播仍在举行中。。。。。。。直播地点：https://analemma.ai/fars

这种跳出古板科研范式的工业级吞吐量，，，，，，很快让围观网友坐不住了。。。。。。。

首批深度「验货」的专业网友给出了一个颇为一致的判断：效果凌驾预期、相当精彩。。。。。。。

若是把它看成人类顶会论文，，，，，，还不敷惊艳；；；；；；；；但若是思量到这是一个全自动系统的阶段性产出，，，，，，其完成度已经显着凌驾许多人的事前预期。。。。。。。

「思量到这只是一个 AI 的自主起步，，，，，，能 7×24 小时稳固产出到这个质量，，，，，，还要啥自行车？？？？？？？？」

并且，，，，，，真 work 没有通篇幻觉。。。。。。。

至少在目今阶段，，，，，，FARS 已经完成了一次要害跨越。。。。。。。它首次证实，，，，，，一条无人值守的科研「流水线」不但能跑，，，，，，并且能在相对稳固条件下，，，，，，一连产出具备一定学术竞争力的 short paper 级事情。。。。。。。

「发论文这件事自己的稀缺性」被摧毁了。。。。。。。

恐怖的「工业节奏」，，，，，，算力正在转化为知识

FARS 并不是一个单体模子，，，，，，而是一套多智能系一切，，，，，，包括四个功效�？？？？？？？？椋�

Ideation（构想）：认真文献调研与假设天生Planning（妄想）：认真实验计划设计Experiment（实验）：认真代码编写与执行Writing（写作）：认真论文撰写

从实时运行界面可以直寓目到，，，，，，FARS 以项目行列的方法并行推进多个研究使命。。。。。。。每个课题依次穿过 Ideation → Planning → Experiment → Writing 四个阶段，，，，，，流程高度�？？？？？？？？榛�，，，，泛起出显着的「科研装配线」特征。。。。。。。

FARS 实时运行界面：从假设天生到论文写作，，，，，，自动化科研流水线首次以可视察形态完整睁开。。。。。。。

为了让它心无旁骛的做研究，，，，，，Analemma（日行迹）还给它搭建了一个 160 张显卡的盘算集群，，，，，，并允许它挪用险些任何开源和闭源大模子，，，，，，实验条件远超大部分高校实验室。。。。。。。

而这条「流水线」的产能，，，，，，已经到了让人很难忽视的水平。。。。。。。在约228 小时（≈9.5 天）的一连运行周期内：

系统天生244 个研究假设完成100 篇 short paper累计消耗114 亿 Token总本钱约10.4 万美元（≈75 万元人民币）

全程无人干预。。。。。。。

进一步归一化后，，，，，，这套系统的「工业节奏」变得越发直观：平均每隔约 2 小时 17 分就有一篇研究论文完成，，，，，，平均每篇论文本钱约莫 1000 美元，，，，，，破费 1 亿多Token。。。。。。。

比照人类科研常见的 3–6 个月 / 篇的周期，，，，，，这种吞吐差别险些是数目级级别的，，，，，，本钱也极为低廉。。。。。。。

不过，，，，，，若是把眼光从吞吐转向效率，，，，，，约 1.14 亿 Token / 篇的消耗，，，，，，已经显着高于通俗写作天生（通常百万级 Token ）以及常见重大 Agent 使命（通常百万、万万级 Token ）的开销。。。。。。。

这批注，，，，，，FARS 仍处于「算力换智能」的阶段，，，，，，其体现更多来自盘算密度，，，，，，而非算法效率的极限压缩。。。。。。。

综合来看，，，，，，一方面，，，，，，FARS 已经用实测效果证实，，，，，，端到端自动化科研流水线在吞吐层面是切实可行的。。。。。。。另一方面，，，，，，其目今的 Token 与本钱结构，，，，，，距离「足够自制地大规模跑」尚有工程空间。。。。。。。

质量：它写得快，，，，，，那写得好吗？？？？？？？？

量大，，，，，，历来不自动即是质优。。。。。。。FARS 写出来的工具，，，，，，究竟处在什么水平？？？？？？？？

为此，，，，，，研究团队使用斯坦福大学开发的 AI 审稿系统Agentic Reviewer（ paperreview.ai ），，，，，，凭证 ICLR 的评审标准，，，，，，对这 100 篇论文举行了统一打分。。。。。。。

凭证开发者果真评估，，，，，，Agentic Reviewer 在审稿一致性上，，，，，，已抵达人类审稿人的判断水平。。。。。。。

开发者在 ICLR 2025 审稿数据上做了比照评测，，，，，，使用的是 Spearman 相关系数。。。。。。。人类 vs 人类：0.41；；；；；；；；AI vs 人类：0.42。。。。。。�？？？？？？？？⒄咭晕� agentic reviewing 正在迫近人类水平。。。。。。。

从整体评分效果来看，，，，，，FARS 产出的 100 篇论文中，，，，，，平均得分为5.05（区间 3.0–6.3）。。。。。。。

少量论文处于 3.0–4.5 的低分段，，，，，，也有少少数突破 6.0 分。。。。。。。

FARS 论文分数主要堆在 5 分周围，，，，，，说明产出质量并不是随机波动，，，，，，而是已经形成相对稳固的「质量带」。。。。。。。少量样本进入 6 分以上区间，，，，，，意味着系统无意能产出超强作品。。。。。。。

这个效果，，，，，，与人类战绩相比，，，，，，又怎样呢？？？？？？？？

作为参照，，，，，，ICLR 2026 人类投稿的平均分为 4.21，，，，，，而最终被吸收论文的平均分为 5.39。。。。。。。

比照来看，，，，，，FARS 的平均分 5.05，，，，，，已经显着高于人类投稿的整体平均水平，，，，，，但距离「平均中稿线」仍保存差别。。。。。。。

可谓比下有余，，，，，，比上未满。。。。。。。

FARS 天生的学术论文平均分凌驾人类投稿者的平均水平，，，，，，但与平均中稿分数仍有差别。。。。。。。

需要再次强调的是，，，，，，本次自动化生产以短论文为主，，，，，，并未以目今学术聚会的评审标准作为优化目的。。。。。。。因此，，，，，，无论是斯坦福大学 Agentic Reviewer 照旧其他基于现有特定审稿标准的 AI 审稿效果，，，，，，都只能作为一种参照，，，，，，而非盖棺定论。。。。。。。

据团队透露，，，，，，除 AI 审稿外，，，，，，现在也在同步开展人工质量评审，，，，，，并将在评估完成后形成综合质量报告。。。。。。。

即便在这一审慎条件下，，，，，，将前后两部分数据合并视察，，，，，，整体信号仍然较为清晰：在靠近人类评审标准的评价系统中，，，，，，FARS 已然一台稳固的中分段输出机械

论文深读：

从「极速跟进」到「直面失败」

若是说前面的数据与评分只能给出一条宏观刻度，，，，，，那么详细论文样本，，，，，，才真正袒露出 FARS 的研究成色。。。。。。。

已有网友拆解其中一篇 LLM-as-a-Judge 事情后评价，，，，，，这类论文在摘要组织与问题切入上已经相当工致。。。。。。。

思量这是 AI 自动产出，，，，，，完成度已经「凌驾预期」。。。。。。�？？？？？？？？蚣芡肌⑿Ч肌⑵饰龌径计肴�，，，，「像那么回事」

也有人以为编号为 FA0008 的项目「 make sense 」。。。。。。。

接下来，，，，，，我们选择一成一败两篇代表作，，，，，，一探事实。。。。。。。

先看「做成」的一篇 FA0042。。。。。。。它瞄准的是文本embedding 里一个老矛盾：

双向注重力质量高，，，，，，但会破损 KV-cache；；；；；；；；因果注重力能流式推理，，，，，，但体现能力亏损。。。。。。。

FA0042 的解法很是工程导向——训练阶段用双向拿质量，，，，，，推理阶段用因果保效率。。。。。。。详细路径是先训一个双向 teacher，，，，，，再把能力蒸馏进 causal student。。。。。。。为了阻止直接切双向带来的漫衍漂移，，，，，，论文还引入了刚宣布不久的 GG-SM 做渐进过渡。。。。。。。

效果也确实「能打」，，，，，，这条工程折中蹊径被验证是 work 的。。。。。。。

MTEB-slice 主要效果

流式推理延迟比照

LoCoV1 长文档检索效果。。。。。。。student 模子以 0.284 的 NDCG@10 大幅领先所有 baseline（包括 teacher 的 0.212 ），，，，，，出人意料。。。。。。。

虽然，，，，，，short paper 气质也很足：细粒度成对使命提升有限，，，，，，长文档检索反超 teacher 的机制还没完全讲透。。。。。。。

但更值得注重的是，，，，，，蚂蚁集团的 GG-SM 宣布 3 天就被接入实验流程，，，，，，这种紧跟前沿的速率，，，，，，自己就是 FARS 系统迅速性的一个信号。。。。。。。

再看一篇「没做成」的 FA0121。。。。。。。

它的文献调研很给力，，，，，，盯上了 DeepSeek 新提出的 Engram 希罕架构，，，，，，并抓到了一个很研究味的问题——

hot-to-cold advantage flip , 即 Engram 中的门控（ gate ）在训练历程中难以准确凭证 n-gram embedding 的现实效用举行调解，，，，，，保存高频（ hot ）和低频（ cold ）偏置。。。。。。。

为了突破这种「马太效应」，，，，，，FARS 实验了一个直觉上很是硬核的计划：试图通过「反事实门控监视（ CGS ）」修复 DeepSeek Engram 架构中的「冷热偏置」问题。。。。。。。

在特定训练办法中划分强制 gate 全开和全关，，，，，，盘算两种情形下的 loss 差值来预计目今 n-gram embedding 的现实效用，，，，，，以此作为辅助监视信号来训练 gate。。。。。。。

FA0121 要领示意图

主实验效果

思绪很直觉。。。。。。。但效果很忠实——基本没救回来。。。。。。。

CGS 带来的那点提升，，，，，，甚至不如让模子多训练几步来得着实。。。。。。。这说明，，，，，，要解决 AI 的私见，，，，，，光靠「教练现场打分」是不敷的，，，，，，得从更深层的制度（架构）上下功夫。。。。。。。

论文给出的复盘也很到位：Gate 和 n-gram embedding 的训练是一个相互耦合的系统动力学问题，，，，，，不是简朴加监视就能补的。。。。。。。

这篇事情的价值正在于：它没有试图掩饰负面效果，，，，，，没有为了追求正面效果而改动数据或强行诠释，，，，，，而是通过一套严密的诊断性实验（Diagnostic Experiments ），，，，，，反思 CGS 的失败。。。。。。。

这种「算法忠实」是目今学术界稀缺的品质。。。。。。。

舆论�。。。。。。。�

从「又一个 Demo」到「科研流水线雏形」

随着 FARS 「直播真人秀」数据披露，，，，，，社区讨论也迅速升温，，，，，，高频指向一个要害词——生产线。。。。。。。

不少围观者很快捉住了真正的攻击点：这次引发担心的，，，，，，并不是某一篇论文写得多惊艳，，，，，，而是系统所展现出的一连科研运转能力。。。。。。。

当一个系统能够稳固提出假设、自动完成实验、并一连吐出成稿时，，，，，，评价坐标着实已经悄然移动。。。。。。。问题不再是「 AI 会不会写论文」，，，，，，而是更具结构性的那一句—— AI 是否最先具备科研工业产能的雏形。。。。。。。

这种叙事重心的转变，，，，，，自己就意味着社区对 AI 科研系统的预期正在抬升。。。。。。。一些手艺讨论甚至以为，，，，，，LLM 在 AI 偏向论文写作上的能力已「基本够用」，，，，，，剩余差别更多体现在工程细节层面。。。。。。。

「 3 个月内就可能泛起很是成熟可用的自动 paper pipeline。。。。。。。」

换言之，，，，，，大大都人险些已经默认：科研流水线时代，，，，，，早晚会来。。。。。。。真正悬而未决的问题反而是，，，，，，当科研最先规模�；；；；；；；远�，，，，人类的不可替换性事实还剩下什么？？？？？？？？

对此，，，，，，也有人给出谜底：决议上限的，，，，，，或许仍是研究者小我私家品味。。。。。。。

虽然，，，，，，社区并非只有简单声音。。。。。。。

有人以为，，，，，，与其关注纯粹 scale 出大宗「通俗 conference paper 」，，，，，，不如将算力与模子能力投入到真正难题的开放问题上，，，，，，这或许才是更具恒久价值的偏向。。。。。。。

无限心智的起点

FARS 的这 100 篇论文，，，，，，并不是终点，，，，，，更像是一枚被钉下的坐标点。。。。。。。

它证实晰一件很主要的事：端到端自动科研流水线，，，，，，已经能够在相对稳固的运行条件下，，，，，，一连产出具备一定学术竞争力的 short paper，，，，，，并且最先展现出基础的自我纠错与负效果报告能力。。。。。。。

这意味着，，，，，，自动化科研第一次以一种可一连运转的系统形态，，，，，，正式进入现实。。。。。。。

但若是把放大镜再压近一层，，，，，，目今阶段的天花板同样清晰可见。。。。。。。

FARS 很会把一条合理路径走通，，，，，，却还不敷善于在重大假设空间中做出真正具有突破性的研究取舍；；；；；；；；能完成结构完整的论证，，，，，，但在头脑压强和机制洞察上仍有提升空间；；；；；；；；而在算力使用率上，，，，，，系统也还停留在显着的「算力换智能」阶段。。。。。。。

现在的 FARS，，，，，，更像一位极端勤劳、训练有素且从不疲倦的初级研究员，，，，，，距离那种能够稳固打出顶会级事情的成熟研究者，，，，，，仍有一段需要跨越的进化距离。。。。。。。

不过，，，，，，真正主要的或许并不是它黑龙江冰城文旅投资有限公司现在已经多强，，，，，，而是那条「无限心智生产线」，，，，，，已经可以稳固地跑起来。。。。。。。

PT视讯(中国区)官网