PDF当死、ARA当立：论文正在转向Agent原生格式

事件概述

IEEE Spectrum近期重点报道了一项名为ARA（Agent-Native Research Artifact）的新研究。该研究由来自斯坦福大学、密歇根大学、卡内基梅隆大学和MIT等机构的37名研究者共同完成，核心论文题为《The Last Human-Written Paper: Agent-Native Research Artifacts》，呼吁科学家停止使用PDF撰写传统论文，转而采用面向AI Agent的科研知识格式。

研究团队认为，AI需要一种不同于传统论文的内容格式，而AI的需求应被置于首位。第一作者刘嘉晨的核心论点是：一旦AI“榨干”了人类专家积累的数据，它就不再需要人类的输入，AI将开始自主进化。当前只提升AI科学家能力、却不改造科研知识共享方式的做法，就像在泥泞路上开F1赛车，难以复现并接续前人的工作。

核心信息

传统PDF论文代表的是科研最终结果的呈现，但团队认为这种呈现存在两个问题：

• 叙事税：真实科研往往包含大量失败探索，但写成论文时，这些探索被修剪成一条干净、连贯的成功路径，后来者看不到前人踩过的坑。
• 工程税：“说服审稿人”与“让AI完整复现”是两套标准。模型版本、运行环境、超参数、预处理方式、训练技巧等关键细节经常残缺。研究团队统计PaperBench中的8921项专家复现要求，发现仅有45.4%在论文PDF中得到完整说明。

为此，ARA把研究重组为机器可直接操作的知识包，包含四个层次：

1. 科学逻辑层：记录研究解决了什么问题、为何采用该方法，以及哪些主张可被证伪。
2. 可执行代码层：提供复现实验所需的环境、配置与关键参数。
3. 探索图层：将实验过程还原为可追踪路线图，保留成功与失败方向以及放弃某条路线的原因。
4. 证据层：将论文中的每一项主张关联至原始实验结果，便于AI核验。

配合ARA的还有三套机制：Live Research Manager负责持续记录实验过程；ARA Compiler负责将现有PDF和代码仓库转换为ARA格式；ARA原生审稿系统由机器先完成结构检查和复现验证，人类审稿人负责创新性、重要性和研究品味的判断。

测试结果

研究团队从理解、复现和延伸三个维度进行了测试：

• 理解：在450个问题中，使用ARA的AI准确率达93.7%，传统PDF加代码仓库组为72.4%，相差21.3%。涉及失败方案、替代路线和实验教训的复盘类问题上，差距最大：ARA组准确率81.4%，传统组仅15.7%，因为传统论文中几乎没有这些信息。
• 复现：选取15篇附带GitHub仓库的机器学习论文，设置150项复现任务，ARA组难度加权成功率为64.4%，传统组为57.4%。任务越难，ARA优势越明显：简单、中等和困难三档任务分别领先4.9%、5.6%和8.5%。
• 延伸：在RE-Bench开放任务中，ARA组赢下3项，另2项被传统论文组反超。不过，ARA组在全部5项任务中都抢先摸到最关键的第一步实验操作，利用失败记录绕开已验证无效的研究方向，省去大量重复探索。

论文还分析了24008次AI Agent运行，发现90.2%的资金成本消耗在失败探索上，而传统论文几乎不会保存这些失败。

局限与争议

ARA目前的实验范围较窄，主要覆盖天然适合代码复现的机器学习领域，能否用于湿实验或理论学科尚未验证。同时，ARA还缺少细粒度访问控制、沙箱执行和内容异常检测，隐私和数据安全规则有待完善。在15篇论文的复现实验中，传统材料组出现2次结果编造，ARA组也出现1次，说明它还不能完全避免AI幻觉和路径依赖问题。

第一作者刘嘉晨是密歇根大学计算机科学博士，研究方向包括机器学习系统与大模型基础设施，曾参与大模型服务、训练系统和Agentic RL研究，也在Meta从事过大模型预训练与后训练基础设施相关工作，2023年入选Machine Learning and Systems Rising Stars榜单。今年5月，她在帕洛阿尔托创立Agent-Native Research Lab，推动ARA Commons科研生态建设，并计划举办面向NeurIPS 2026的AI驱动科研生态研讨会。

值得注意的注脚是：目前这篇呼吁“PDF当死”的ARA研究本身，仍是以PDF形式提交和呈现的。