ICLR 2025：自主进化科研智能体问世！

好的，根据您提供的信息，我将撰写一篇新闻报道，力求专业、深入且引人入胜。

标题：科研范式巨变：西湖大学等机构发布CycleResearcher，AI科研智能体实现自主进化

引言：

在人工智能浪潮席卷全球的当下，科研领域正迎来一场前所未有的变革。如果说AlphaGo的出现让人工智能在博弈领域超越人类，那么CycleResearcher的问世，则预示着AI将在科研领域扮演更为核心的角色。近日，西湖大学、UCL等机构的研究团队联合发布了一项突破性成果——CycleResearcher，首次实现了可训练的科研流程全链路端到端训练，标志着科研自动化迈向了新的里程碑。

正文：

科研，这项人类智慧的结晶，一直被视为高度复杂和创造性的活动。然而，随着AI技术的飞速发展，科研自动化正逐渐成为现实。CycleResearcher的出现，正是这一趋势的集中体现。

CycleResearcher：科研自动化的新突破

CycleResearcher是由西湖大学人工智能系教授、工学院副院长张岳教授指导的团队，联合UCL访问研究员杨林易博士共同研发。该研究团队包括博士生朱敏郡、张鸿博、鲍光胜、访问学生翁诣轩等。CycleResearcher实现了科研流程的全链路端到端训练，涵盖了智能文献检索、模型主动提问、强化学习迭代优化论文创新点、方法论架构设计、实验设计到论文自动生成的完整闭环。

这一突破性的成果，意味着AI不再仅仅是科研的辅助工具，而是能够自主完成科研过程的关键环节，甚至实现自我进化。牛津大学教授 Will MacAskill 曾预言，未来AI的增长率足以在不到10年内推动相当于100年的技术进步。而如何让AI实现“递归自我改进”，正是CycleResearcher团队所关注的核心问题。

与现有方案的差异：真正的“Deep” Research

目前，已有一些基于调用API构建推理框架的自动化科研方案，例如SakanaAI公司发布的AI Scientist、香港大学发布的AI-Researcher等。但与这些方案不同的是，CycleResearcher并非简单地调用API，而是通过强化学习进行迭代优化训练，从而实现真正的“Deep” Research。

CycleResearcher的核心在于其能够模拟完整的科研流程，包括文献综述、研究构思、论文撰写以及模拟实验结果。通过强化学习，CycleResearcher能够根据反馈不断改进自身的论文生成策略，实现自我进化。

CycleResearcher的技术亮点

CycleResearcher的成功，离不开以下几个关键的技术亮点：

高质量数据集与模型规模化： 研究团队构建了包含近1.5万篇高质量学术论文的数据集（Research-14K），数据来源覆盖了ICLR、NeurIPS、ICML、ACL、EMNLP、CVPR和ICCV等顶级会议。同时，提供了多个不同规模的模型（12B、72B、123B），满足不同科研需求。
强化学习与迭代反馈机制： CycleResearcher采用迭代式偏好优化（Iterative SimPO）的训练框架，使得在线强化学习（Online RLHF）成为可能。该框架包含两个关键模型：策略模型 (CycleResearcher) 和奖励模型 (DeepReviewer)。
指令微调（SFT）热身阶段： 策略模型CycleResearcher负责生成论文的各个部分，首先进行广泛的文献综述，然后交替生成论文的大纲和正文，确保逻辑流畅。
迭代反馈训练阶段： 策略模型和奖励模型相互配合，通过强化学习的方式不断优化。CycleResearcher根据CycleReviewer的反馈不断改进自身的论文生成策略，CycleReviewer则根据CycleResearcher生成的论文不断提高自身的评审能力。

开源共享：推动科研自动化发展

值得一提的是，CycleResearcher团队开源了所有代码、数据和Demo。相比之下，OpenAI商业化方案中同类功能的服务费用高达每月2万美元。CycleResearcher的开源，无疑将极大地降低科研自动化的门槛，加速科研领域的创新。