清华新突破：Nature与Science双发，揭示前沿科研成果
就在刚刚，清华大学的一项AI for Science研究不仅登上Nature，而且还被Science深度报道了。
这项来自清华大学李勇团队的研究通过分析全球2.5亿篇科学文献，揭示了AI for Science领域存在的一个典型矛盾——
AI在助力科学家“个体加速”的同时，却导致科学界的集体注意力窄化和趋同优化的“群体登山”现象。
就是说，虽然AI帮助科学家发表了更多论文、更早成为项目负责人，但却导致人们集体涌入少量适合AI研究的“热门山峰”，从而无形中削弱了科学探索的广度。
而且进一步分析表明，这一矛盾绝非偶然，而是由当前科学智能AI模型缺乏通用性导致的系统性影响。
下面详细来看这到底是一项怎样的研究。
第一步：寻觅AI for Science的演化踪迹
回到起点，团队之所以进行这项研究，主要是发现AI for Science领域存在一个明显矛盾——
在AI持续赋能科研的背景下，为何各学科的整体科学进展未见明显加速？
一方面，AI for Science研究已经产生了AlphaFold这样的荣获诺贝尔奖的成果；但另一方面，统计表明各学科领域的颠覆性研究成果在逐年下降，似乎未能获得AI助力。
这背后的原因到底是什么？到目前为止，业界仍然没有明确答案。
于是，团队向着这一问题出发了，并最终发表了《Artificial Intelligence Tools Expand Scientists’ Impact but Contract Science’s Focus》这篇论文。
在论文中，团队进行的首项工作是：从浩如烟海的文献中找出那些“AI赋能的研究”。
这一步对后续定量刻画AI对科学的影响至关重要。
为此，团队摒弃了停留在关键词层面的浅层检索方法，而提出了一条“高质量专家标注 + 大规模语言模型推理“相结合的技术路径——
通过领域专家标注少量论文样本，再让语言模型大规模推理的迭代优化，逐步让语言模型学会从标题和摘要中深层次的分析“那些是使用了AI工具的研究”。
论文显示，BERT的识别准确率非常高，达到了0.875分（满分为1）。
靠着这套方法，他们扫描了近50年来的海量文献（涵盖1980-2025年），最终画出了一张“AI赋能科研全景地图”。
这张地图横跨“机器学习、深度学习、生成式AI”三个时代，涵盖4130万篇论文、覆盖2857万研究者，被团队视为研究“AI如何系统性影响科研”的首个基准数据集。
然后…发现AI for Science领域的矛盾效应
基于该数据集，团队系统性分析了AI在自然科学六大领域（生物、医学、化学、物理、材料科学和地质学）的影响。
所采用的分析方法大致可分为以下三个阶段：
step 1：构建“科学语义地图”step 2：定义衡量“广度”的指标step 3：进行比较分析
简单来说，团队想要回答一个关键问题——
有了AI的帮助后，科学家探索的领域到底是变宽了，还是变窄了？
为了客观衡量这种看不见、摸不着的“认知版图”，他们提出了基于隐藏变量的科学学分析方法。
该方法和传统科学学的区别在于，它不再仅仅依赖论文的标题、关键词、作者、引用关系等“表面”数据，而是深入到论文的“思想”和“内容”本身，从而能更精细地度量像“知识广度”这样抽象的概念。
具体到第一步，他们把每篇论文中最能代表其内容的标题和摘要作为核心文本，通过一个深度嵌入表征模型转换成一个由768个数字组成的、固定长度的数学向量。
这个向量就是每篇论文在高维数字空间中的“坐标”——理论上，语义相似的论文，其向量距离也会更接近。
而当所有论文都找到自己的“坐标”后，团队主要通过“直径”和熵值这两个指标来测量知识广度。
前者用来衡量探索的“最远边界”。
比如对于某个领域一年的AI论文，先计算它们所有坐标点的几何中心，然后找出离中心点最远的那篇论文，测量它们之间的欧氏距离。
这个距离就是研究中定义的“直径”，用于衡量这批论文的主题覆盖广度。直径越大，说明探索的范围越广。
后者用来衡量分布的“均匀度”。
这是指分析同一批论文坐标点在空间中的分布状态——如果均匀分散在空间各处则熵值高，反之，如果它们紧密地聚集在少数几个热点周围，则熵值低。
然后就用这些指标去分别测量两类科学家群体的论文：一类是使用AI进行研究的，另一类是不使用AI的。
以此判断AI究竟是在扩张还是收缩科学的认知边界。
结果发现，在微观个体层面，使用AI的科学家比不使用的多发表3.02倍论文，获得4.84倍引用量。
而且前者更是提早1.37年成为研究项目负责人（以末位作者为标志）。
然而，个体科研加速的背后，却是人类整体科学版图的异常收缩。
在集体层面上，与AI结合的科研项目的知识广度下降了4.63%、不同领域科学家间的跨界互动减少了22%，而且AI论文引用呈现“星型结构”——
几乎都在引用同一篇或少数几篇经典的、开创性的AI工作，这表明研究趋向集中和单一化，缺少创新活力。
那么问题来了，这一矛盾现象究竟是什么导致的呢？
背后原因揭秘：当前模型缺乏通用性
论文给出了一个明确结论——
这是由当前AI for Science模型缺乏通用性导致的系统性影响。
团队发现，AI的高效率产生了一种强大的“科学智能引力”效应。它引导研究者集体涌向少量适合AI研究的“热门山峰”，即那些已有大量数据、适合用现有AI方法快速出成果的研究方向。
这种“群体登山”模式，虽能加速对已知问题的解决，却也在无形中固化了科学探索的路径，系统性地削弱了科学家向“未知山峰”探索的广度。
最终就形成了“广度让位于速度”的现象。
团队表示，这一矛盾机制的发现是对AI赋能科研模式的深度反思：
现有的AI for Science虽然极大地促进了局部的效率提升，却难以驱动全链条、多领域的科研创新。
而为了突破这一局限，徐丰力、李勇教授团队最终推出了全流程、跨学科的科研智能体系统—OmniScientist。（访问网址：OmniScientist.ai）
该系统通过深入挖掘大模型智能体的通用推理能力，实现跨学科、全流程、多模态的系统性科研支持，从而让AI从“辅助工具”进化为具备“主动提出假说、自主设计实验、分析结果并形成理论”的“AI科学家”。
最后，这项研究完成单位为清华大学电子工程系、芝加哥大学社会学系，通讯作者为徐丰力助理教授、李勇教授、James Evans教授，第一作者为清华大学电子工程系博士生郝千越。
论文：
https://arxiv.org/abs/2412.07727
相关攻略
2026年上海科技节以“科技让生活更美好”为主题，开启为期一周的全民科技嘉年华。开幕式“智境红毯”汇聚院士、科研先锋与少年英才，展现科创活力。科学家强调培育科学精神与好奇心，并分享前沿成果。全市推出近2000场活动，开放大科学设施与科普基地，促进科技与公众深度互动，并通过“好问题开放麦。
上海科技节迎来未来产业首次组团亮相。光计算、精准激光、脑机接口等前沿技术代表走上红毯，展现了从实验室迈向产业化的探索。活动传递出城市对硬科技的重视与生态支持，并通过互动体验等方式拉近公众与前沿科技的距离，诠释科技让生活更美好的主题。
本周，我国在基础设施建设、矿产资源勘探与空间科技领域捷报频传，多项具有里程碑意义的成就集中涌现，彰显了国家在重大工程与前沿技术方面的雄厚实力。 首先关注来自太空能源领域的重大突破。我国“逐日工程”科研团队在空间太阳能电站及微波无线传能技术方面取得系列核心进展。团队自主研发并建成地面验证系统，在国际上
中国散裂中子源作为“超级显微镜”，为前沿研究提供关键平台。团队自主研制的高梯度磁合金加载腔性能国际领先，解决了二期工程功率提升的核心难题。装置已完成大量开放实验，吸引全球用户开展多项前沿研究，并成为培养青年科研人才的重要基地。未来，结合人工智能将提升科研效率，优。
上海科技节期间，六家科技主题快闪咖啡馆亮相城市地标，以“探索未知”为理念，通过互动问题墙和特调咖啡营造交流空间。东方卫视同步推出特别节目，邀请多位院士与嘉宾在咖啡馆内直面公众，解答科学疑问，并围绕基础研究、未来产业等议题展开深度对谈，推动科学思想的碰撞与传播。
热门专题
热门推荐
MiniCPM-o 4 5是什么 在探索更自然、更智能的人机交互道路上，我们始终在期待一个“全能型选手”的到来。如今，这个角色或许已经登场。面壁智能最新开源的MiniCPM-o 4 5，一个仅拥有90亿参数的全模态大模型，正致力于重新划定“智能对话”的边界。 它彻底颠覆了传统一问一答的“对讲机”式交
Binance币安 欧易OKX ️ Huobi火币️ 想在2025年安全获取欧易OKX的正版APP？其实秘诀就一个：认准官方网站，避开所有仿冒和可疑的下载渠道。要知道，欧易现已统一更名为欧易OKX，其核心业务始终围绕数字资产交易及相关服务展开。 确认官方网站地址 第一步，打开浏览器，手动输入欧易OK
SecondMe Book是什么 在AI社交这一前沿赛道，一款国产平台正带来独特的解决方案。SecondMe Book，本质上是一个能够让你构建个人AI数字分身的创新平台。它允许用户创建一个能够代表真实自我风格与思维的AI数字身份，并让这个“第二自我”在一个专属的AI社交网络中自主运行——包括主动发
在AI大模型技术快速发展的今天，如何在卓越性能与高效推理成本之间取得最佳平衡，已成为行业关注的核心焦点。近期，由阶跃星辰推出的开源模型Step 3 5 Flash引发了广泛热议。该模型专为智能体（AI Agent）应用场景深度优化，旨在顶尖能力与亲民部署成本之间，构建一个极具竞争力的技术支点。 简而
LongCat-Flash-Lite是什么 在探索大语言模型性能与效率的最佳平衡点时，美团近期推出的LongCat-Flash-Lite提供了一个极具创新性的解决方案。作为新一代高效大语言模型，它凭借其突破性的架构设计，在人工智能领域获得了广泛关注。 简而言之，该模型创新性地融合了“混合专家系统（M