AutoSOTA：一周自动发现105个超SOTA方案
如果一个AI系统能在一周内超越人类研究者一年的实验成果，科研的游戏规则是不是要改写了？
AutoSOTA给出了一个令人不安的答案。这个端到端AI科研自动化工具，以AI顶会前一年的优秀论文为起点，采用多智能体协作框架，配备完善的工具库与技能集，在一周时间内自动发现了105个性能显著提升的模型方案。
105个 超SOTA方案6+个 达论文发表级1周 实验周期
更关键的数字是：其中超过6个方案达到了学术论文发表级别。这意味着AutoSOTA不仅在做增量优化——它在某些场景下已经具备了独立的"科研直觉"。
AutoSOTA的逻辑是"从已有SOTA到新SOTA、从现有代码仓库到新代码仓库"的全自动闭环。这不是让AI写论文，而是让AI做实验。当105个方案中有6个够发表，意味着AI的实验命中率虽然只有约6%，但考虑到一周时间和极低边际成本，这已经远超大多数博士生的产出效率。科研的瓶颈正在从"有没有好想法"转向"能不能跑足够多的实验"。