晚上十一点多，我翻这周的 arXiv 预印本，先被标题里三个词劝退：collaborative、autonomous、quantum。这种堆词的标题我一般直接滑过去。编号 2610.40589，10 月 29 号提交，四位作者，El Mustapha Mansouri、Eikichi Kimura、Masato Koga、Keigo Arai。17 页，5 幅图。
滑到摘要，看到一句大意：AI 在科研里什么角色都能干，但可能给出证据并不支持的结论。我把页面滚回去了。
这篇讲的是让多个 LLM 智能体在一个真实验闭环里互相评审，载体是金刚石里的固态量子自旋系综。智能体的权限不止于提建议——它们可以提出或否决研究问题、要求对理论推导做独立核验，还可以设计实验去挑战自己的结论。这几条权限罗列起来像框架图，但往下读，他们真让 agent 跑了。
读到推导那段，我还没被说服。智能体推出一个东西：预测某类微波脉冲序列响应，最少要标定几个参数。然后做计算核验、设计实验去区分相互竞争的理论预言。这套"AI 提假设、人类干剩下的活"的剧本我见过不少，没觉得新鲜。
真正让我停下来的，是首轮实验之后那段。
首轮结果出来，和理论预言一致。按常理这是拿来当成果的时刻。但接着，重复的参考测量暴露数据采集期间信号漂移了。智能体把首轮结果判成不确定——不是"虽然漂移但趋势正确，先发论文再说"，也没把验收标准调松，而是直接改了测量方案。重新跑，达到既定验收标准，结果支持理论。
我读到这得停一下。我不是被"AI 做科研"震撼，我是被它们在漂亮结果面前没放行震了一下。
我们太习惯相反的顺序：实验结果长得像理论，漂移被当细节略过。审稿人真问起来，就补一句"过程中存在轻微漂移，但不影响结论"。这组 agent 没这么干。更关键的是，它们没靠放宽标准来自洽。这个动作比我最近读过的任何"AI 自我纠错"都值钱。
我夹子里存过不少讲 agent 自我纠错的，大部分停在 prompt 层。让模型"请检查你的回答"，它就给你生成一段反思，看起来认真，实则没有新证据。那种纠错是 token 层面的。这篇的纠错不一样——新信息来自测量数据，漂移是物理系统自己跳出来说"别信我"，agent 才动手改方案。区别就在"新信息从哪来"：一个来自模型生成，一个来自测量。
这也是为什么我觉得它比那些"AI 发现新物理"的标题党更值得点开。那些标题背后往往没有闭环，只在写报告的时候让 AI 补一句"结论成立"。我上个月试过一种号称一键生成实验报告的工具，喂数据进去它直接输出"结论成立"，但统计检验脚本从头到尾没跑过。P 值从哪来的，它自己不说。那次之后我看到"AI 辅助科研"就多留个心眼。这篇摘要把"证据不支持结论"直接当动因，对上了。
顺手跑的部分，这篇我没有。量子自旋实验的装置我没有，连模拟的门槛都高。代码仓库作者说公开了，我还没去翻。所以今天只有"读了"，没有"跑了"。repo 我留到周末，等我搞明白能不能在普通机器上复现推理部分，再补一条。
不点链接也能带走的一句：想让 agent 在结果漂亮时不掉链子，别在 prompt 里写"要严谨"，去加一个会测漂移、并且不在验收标准上退让的环节。让数据来当那个说"不行"的角色，不是让模型自己说。
标题里 collaborative 四个 agent 之间到底怎么协作、否决机制是真有用还是把人类流程画成 agent 图，我还没读透。但首轮结果判不确定、不放宽标准改方案这个细节，已经足够让我先推这一遍。等仓库翻完再更新。