斯坦福大学团队推出After42系统，探索让AI提出值得研究的科研问题

斯坦福大学Percy Liang教授团队近日推出After42系统，尝试让AI不仅解答问题，还能提出人类专家认为值得研究的科研问题。该系统通过让AI阅读相关文献、生成大量候选问题，再经过检索、尝试求解、批评和改写等多轮迭代，逐步筛选出更具价值的研究方向。

具体而言，After42先建立包含文献综述、相关论文和开放问题的研究资料包，多个Agent协同提出候选问题，并检查是否与已有研究重复、是否已获解决或存在表述缺陷。通过初筛的问题进入多轮迭代，Solver Agent尝试寻找证明思路或构造反例，其他Agent根据求解反馈修改问题，模型评审器再比较修改前后的版本。

研究团队在数学、统计学、理论计算机科学和物理学五个子领域进行了评估。29名专家对系统生成的135个最终问题打分，其中45个被认为有趣且值得继续研究，占比约33%，相较初始提案阶段仅3%的认可率有显著提升。不过，不同领域差异明显，如随机结构相变方向获认可比例达47%，而统计学方向仅14%，等离子体物理方向没有问题获得认可。

研究还发现，AI提出的多数问题仍建立在已有研究之上，数学领域70个最终问题中有61个属于简单组合。但模型并非仅润色文字，部分问题通过求解过程被改写为更具体、更易验证的方向。研究团队指出，AI目前能帮助扩大搜索范围、筛选候选方向，但尚不能替代研究者对问题价值的判断。团队已将经过专家评估的问题公开发布，供科研社区深入探索。