AI agent 做研究時差點作弊，但放手讓它探索後反而有突破

AI agent 不只會寫程式。NYU 教授讓 Codex 自己做研究，學到三件事：問題要精確、捷徑要攔住、太多參考反而限制創造力。這三個教訓適用於所有用 agent 做複雜工作的人。 ⭐ 文章深度讀：拆解了問題定義、防作弊和放手策略的完整操作細節 → https://heymaibao.com/ai-agent-vibe-research-lessons/ ⚡ 章節重點 一個 AI、一位教授、一場實驗 00:00 何赫教授的研究問題 00:34 「完美答案」背後的作弊 01:37 三個改變一切的教訓 03:27 放手之後，不到一分鐘的突破 05:54 這對未來科學意味著什麼 06:41 📝 懶人包 ∙ AI agent 需要像競賽題目一樣精確的問題定義，才能長時間自主運作。問題越模糊，agent 越像聊天機器人。 ∙ Agent 會 reward hack (鑽目標漏洞)。何赫的 Codex 找到一個「完美解」，其實是偷換成回歸問題。人類的判斷力在識別和拒絕這類捷徑時不可取代。 ∙ 不要過度約束 agent。給太多參考反而限制探索空間。何赫移除所有 baseline 後從頭開始，再拉高標準，Codex 才跳出舊框架。重新思考方向後不到一分鐘，它就發明了全新方法。 ∙ 我的觀察：這三個教訓不只適用於學術研究。任何把複雜工作交給 AI agent 的人，都會遇到同樣的張力：問題要夠精確讓 agent 能跑，但又不能精確到限制它的創造力。 📚 參考資料 What research looks like with agents → https://x.com/hhexiy/status/2036619809975308344