自动化 AI 研究循环为何难落地：问题定义与评估是瓶颈

一场关于自动化 AI 研究的讨论指出，当前技术栈虽不完美但问题可解，关键难点在流程本身：问题定义不可绕过，必须先足够具体化。文献综述仍要做，AI 需被主动干预以过滤低质量结论、聚焦相关架构，否则会模式坍缩；现有论文多是小规模实验，规模外推只能推测。跑出结果后仅 10% 的后续方向值得追，且多数爬山式自动研究循环未做好统计显著性评估，也未把后训练配方作为模型规格明确定义。