Как проверить, что ИИ помогает исследованию, а не просто пересказывает готовую статью? В трёх препринтах предлагаются разные подходы: скрыть научные выводы, восстановить ход экспериментов по коду и сократить потребность в размеченных изображениях.

Station: повторный поиск результатов без готовых ответов

В работе от 6 октября нескольким ИИ-агентам дали вопросы трёх научных исследований, скрыли результаты и отключили интернет. Система Station с надзором и периодическим пересмотром стратегии повторно обнаружила в среднем 62,7% выделенных критериев. Для сравнения авторы приводят 15,4% у Codex Multiagent-v2 и 14,4–20,6% у AI Scientist-v2.

Это проверка того, как организовать длительный исследовательский поиск, когда нет простой оценки каждого шага. Однако три исходные работы и авторская схема проверки — узкая основа для общих выводов. Эти числа не означают, что система воспроизводит такую долю любых научных открытий.

ResearchTrails: история изменений кода как материал для обучения

Препринт от 5 октября предлагает восстанавливать последовательности исследовательских действий по истории программных проектов. Авторы выделяют изменения методов, экспериментов и проверок отдельных компонентов, затем используют их как доступный для поиска опыт и материал для обучения моделей новым исследовательским решениям.

Готовая статья показывает итог, а изменения кода могут сохранить следы промежуточного поиска. Ограничение столь же важно: история программы лишь косвенно отражает человеческие решения. Работа не доказывает, что такой подход уже обеспечивает самостоятельные лабораторные открытия.

Один размеченный снимок для выделения объектов на научных изображениях

В препринте от 7 октября исследователи сочетают DINOv3 и SAM с одним размеченным примером и подавлением признаков фоновых помех — без дополнительного обучения моделей. Подход проверили на микроскопии эритроцитов, изображениях кипения и рентгенограммах грудной клетки.

По данным авторов, средняя мера совпадения выделенных областей улучшилась относительно сильнейшего сравниваемого метода на 5,91% в первой задаче и на 78,62% во второй; в третьей результат оказался сопоставимым. Возможная польза — снижение затрат на разметку специализированных снимков. Это пока результаты на выбранных наборах данных, а не подтверждение пригодности для клинического применения.

Все три работы опубликованы как препринты. Их стоит читать как конкретные исследовательские результаты с обозначенными границами, а не как доказательство универсальной автономной науки.