OpenScholar登Nature正刊：80亿参数小模型以"检索+自查"根治AI幻觉，科研范式迎来转折点

栏目：最新快讯  |  关键词：最新快讯、科研突破、人工智能前沿  |  类型：客观新闻

2026年2月，科学界迎来一项标志性突破。华盛顿大学和艾伦人工智能研究所（Ai2）联合研发的OpenScholar系统登上《Nature》正刊，同时被《Science》报道。这个仅有80亿参数的小模型，在科学文献综述任务上击败了当时的旗舰大模型，宣告"参数崇拜"时代的终结。

OpenScholar的核心创新在于彻底改变了AI处理知识的方式。它不再试图让模型"记住"所有知识，而是教会模型像人类学者一样去"查资料"。系统外接一个包含4500万篇开放获取论文的巨型数据库，当用户提出问题时，它执行一套严密的流程：首先在4500万篇文献中快速检索最相关片段；然后利用交叉编码器对片段进行精细筛选；最关键的是，模型生成答案草稿后会进行自我审查——"这句话有证据支持吗？"如果发现证据不足，它会发起第二轮、第三轮检索，直到每条论述都有确凿的文献背书。

这种"检索增强生成"（RAG）架构带来了降维打击式的结果。在涵盖计算机科学、物理学等领域的ScholarQABench基准测试中，OpenScholar-8B的正确率不仅超越了当时的旗舰模型，更将推理成本降低了两个数量级（约0.003美元/次）。它证明了在特定领域，一个带了"图书馆"的本科生，比一个赤手空拳却爱产生幻觉的博士生更可靠。

该研究的核心人物Akari Asai（浅井明里）即将于2026年秋季入职卡内基梅隆大学（CMU）。她的研究哲学非常清晰：不要试图把世界装进模型里，要让模型学会拥抱世界。

几乎同时，2026年3月26日，《Nature》再次发表历史性论文——由Sakana AI、牛津大学和英属哥伦比亚大学联合研发的"TheAIScientist"系统。这是人类历史上首次，一个完全由人工智能系统自主完成的科学研究成果登上顶级科学期刊。该系统生成的论文通过了顶级机器学习会议ICLR研讨会的同行评审流程，三位审稿人给出的评分分别为6、7、6（总分10分），平均分6.33，超过了该研讨会的平均录用线。

业内分析认为，这一系列突破标志着AI科研正从"辅助工具"走向"自主科学家"。2026年，融合多个大语言模型的"AI智能体"有望在科研中得到更广泛应用，它们能够独立执行复杂、多步骤的科研流程，甚至可在极少人工干预下独立工作。首批由AI主导的重大科学成果很可能在2026年发布。