论文越来越像真的，这才是麻烦的开始
智能体做研究的门槛正在快速下降：给出一个课题，它能查文献、写代码、跑实验、产出一份格式规整的研究文档。但审过这类产出的人多半遇到过一种不适——文本读起来无懈可击，仓库里的代码却未必支撑文中声称的方法。arXiv 2609.22111 给出的 ReAgent 框架，就是把这种不适变成了可执行的审计流程。
论文点名了现有评审实践的盲区：审稿主要评估文本质量，识别不出硬编码的指标、并未真正实现的方法、以及没有实验支撑的结果。这类不一致在人类写的论文里偶有发生，在智能体批量产出的文档里出现频率只会更高——模型擅长生成「看起来完整」的叙述，而完整性是否对应真实实现，文本自己回答不了。
双通道：对仓库，再跑实验
ReAgent 的做法分三步。先从研究文档中抽取结构化的科学主张，把声明拆成可核查的单元；然后兵分两路——静态审计检查声称的方法、实现与实验配置是否在仓库中逐项成立，动态审计则实际执行相关实验、收集运行证据来评估实证发现。两条通道的证据最后合并成一份结构化的仓库级审计报告，每条判断都能回溯到具体证据。
双通道的价值在覆盖单视角的盲区。论文举了一类典型情形：实验跑出来的数字与论文一致，但实现路径偏离了文中声称的方法——只读文本发现不了，只复现数字也发现不了，两个视角交叉才能抓到。评估在人工整理的研究文档与仓库配对基准上进行，与代表性静态基线和基于复现的基线相比，ReAgent 展现出更有效的不一致识别能力。
局限也要说清楚：审计依赖能运行、结构清晰的仓库，遇到跑不起来的代码或缺失的配置，动态通道便无从发力；基准规模是人工整理的，覆盖面有限；论文摘要没有给出跨数据集的量化对比，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。
和 AGENTS.md 信任问题不是一回事
站内此前拆解过伊利诺伊大学对编码智能体上下文特权提升的分析——配置文件以系统级信任进入上下文，被恶意内容劫持是安全问题。ReAgent 处理的是另一个维度：智能体的产出本身不是恶意的，却可能是不成立的。前者防的是「被教坏」，后者防的是「说大话」，共同点只有一条：智能体链条上的每一环，都不能默认可信。
评审体系跟着承压
再往远处看一层，这类工具对学术共同体意味着什么也值得掂量。审稿人本来就处在工作量饱和的状态，智能体批量投稿一旦成为常态，靠人力逐篇辨伪既不现实也不公平——要么审稿流程把「仓库一致性核查」纳入标准动作，要么接受一个噪声更多的发表环境。ReAgent 的审计报告格式恰好提供了一种可能的接口：结论、证据、溯源三件套，直接可以挂进投稿系统。当然，审计框架自己也会成为博弈对象——能被自动核查的方法声明，同样能被针对性地伪造，这场攻防才刚开场。
资本在冲刺，审计刚起跑
把这条线放回本周的行业动态里看更有意思：同一周，超衍智能拿近 4 亿元天使轮押注自进化基础模型，海外研究自动化公司接连融资，智能体产出研究文档的速度只会越来越快。而「验证产出是否言之有物」的工具还在论文阶段——这个剪刀差意味着，谁先做出可靠的科研审计基础设施，谁就接住了自主研究浪潮外溢出来的需求。对企业的启示也不必等学术圈：内部智能体生成的分析报告、实验报告，同样需要一套「制品对账」的流程，ReAgent 至少给了一份可抄的作业。