Auto Research 来了：当 AI 开始接管科研里最苦的活，意味着什么 文章

Frontier-Eng Bench 揭示了一种新的 Agent 范式：真正的智能不在于一次性生成答案，而在于长期反馈中的持续优化能力。如果几年前有人告诉我，AI 不仅能写代码、生成论文摘要，还能像一个真正的工程师那样，在实验室里反复寻找可行的策略、持续优化一个方案——我大概会觉得这个人科幻片看多了。 但最近读到一篇论文的时候，我的想法变了。 过去两年，大模型的能力突飞猛进，从写诗到写代码，从做数学题到跑实验流程，AI 擅长的事情越来越多。但真正做过科研和工程的人都清楚，最耗人的部分，往往不是提出第一个可行方案，而是后面那段漫长的「长期优化」——一个实验跑通了，但指标还差一点；一个算法能用了，但速度还不够快；一个电池快充策略成立了，但温度、寿命和析锂之间还需要反复平衡。 现实中的高价值成果，很多都不是「做出来」的，而是被持续优化出来的。而这，恰恰是过去大多数 AI Agent 系统最缺失的一环。 最近，Einsia AI 旗下 Navers Lab 发布了一个叫 Frontier-Eng Bench 的新基准测试，正试图衡量这种能力。它没有再把 AI 放进「一问一答」的选择题里，而是直接把 Agent 扔进真实工程优化环境——Agent 必须不断提出方案、运行仿真器、读取反馈、修改策略，在长期迭代中持续逼近更优解。     论文题目：Frontier-Eng: Benchmarking Self-Evolving Agents on Real-World Engineering Tasks with Generative Optimization Arxiv: https://arxiv.org/abs/2604.12290 Github: https://github.com/EinsiaLab/Frontier-Engineering 这让我想到一个历史参照：AlphaGo 之所以强大，并不在于它每一步棋都能算对，而在于它能在数百万次自我对弈中持续进化。某种程度上，Frontier-Eng 试图回答的，也是同一个问题——当 AI 开始进入真实世界的长期反馈循环后，智能的本质，究竟该怎么衡量？   01 从「一次性答对」到「持续优化」， 范式正在切换   要理解 Frontier-Eng Bench 的意义，得先看清楚

摘要可能不完整，可查看原文