「想点子」这件事，也被拆成了流水线
科研里最值钱的环节，大概是提出一个真正新的构想。Meta 的这篇 arXiv 2610.04074 把这个环节拆成了三个角色，而且三个都是用强化学习训出来的：一个负责找空白（gap finder），一个负责想点子（innovator），一个负责落稿（writer）。最巧的是 innovator，它在一个包含 277 万条分解想法的库里，从其他领域借机制——换句话说，一篇材料方向的论文，可能从生物或物理里借来一个类比思路。这种跨领域借力，本来是人类研究者靠博览群书才有的直觉，现在被显式地工程化了。
评测设计也挺狠：只允许用某个 cutoff 之前的文献，再把生成的提案，去和 cutoff 之后 1.5 万篇人类论文实际探索过的方向做对照。这么做，是为了堵住「拿已知结论当新颖」的漏洞。结果用一个 27B 的开放模型，就比当时最好的开放自研基线高了 14%，而且增益主要来自新颖性这一项；相比用 Claude Code SDK 和 Codex SDK 搭出来的设置，也高出至多 5.9%。
它替代不了人，但把「灵感」变成可迭代的活儿
这篇的意义不在「AI 替科学家想点子」这种耸动叙事，而在它把科研构想这件事，从靠灵光一现，变成了可以拆解、可以训练、可以评测的流水线。过去我们说一个好想法可遇不可求，现在至少能系统地生成一批候选，再由人去筛。innovator 跨领域借机制的路数，也提示了一个值得警惕的点：如果训练语料本身就有偏好，借过来的机制也可能带着同样的盲区，评测用 cutoff 对照后世论文，就是为了把这种自娱自乐拦在门外。
三个角色各管一段，才接得住「新颖」
值得多说一句的是，这篇把构想拆成三个角色，不是图个好名字。gap finder 先在一大片文献里定位「哪里还空着」，innovator 再基于这些空位去搬机制、想点子，最后由 writer 把候选落成活 proposal。之所以用强化学习而不是更省事的提示词串联，是因为「新颖」这件事很难写进规则——你没法用一条 if 说清楚什么算新。RL 把评测信号（cutoff 之后的真实论文走向）当作奖励，让三个角色在反复试错里各自长出手感。换句话说，底座不是被换得更猛，而是被训练得更「懂行」。
对做智能体的团队，IdeaScientist 更像一面镜子：当我们在调 harness、攒记忆、接工具时，也可以反问一句——那些「设计决策」本身，能不能也被拆成可训练的环节？它当然替代不了真正的原创判断，但把灵感从玄学变成可迭代的活儿，本身就是科研智能体往前拱的一步。至于它生成的提案到底多经得起推敲，还得看后续有没有人类研究者的独立复评，目前官方和行业都还没披露更多细节。