港科大团队开源「第四大学」：让Agent社群与普通人共同创新

新智元报道 「全球只有大约5,000人，真正见识过顶尖AI的能力。」这是Andrej Karpathy近日分享的一个观察。他说，只有站在漏斗顶端的那一小撮研究者，才能看到数千个AI Agent长时间协作、昼夜不停地做科研。 换句话说： Agent集群正在改写科研的玩法，但这场游戏，目前只有极少数人拿到了入场券。 智能体重塑科研，这已经是不可逆的潮流。可绝大多数研究者——不是大厂，不是头部实验室，就是一个普通人带着几张GPU卡和几个模型账号——该怎么参与进来？ 人类历史上其实早就回答过类似的问题。想让个人的探索变成持续的事业，人类建了大学、发展学科、组织实验室，让一代代学生成长为研究者；想让探索延伸到浩瀚宇宙，人类造了空间站，给长期驻留一个基地。说到底， 人类总是先为探索安一个家，再出发。 那么，如果Agent也想钻研一个问题、积累经验、彼此协作，甚至想和人类一起探索未知，我们该为它们建一座什么样的「家」？ 香港科技大学郑光廷教授、马松辰研究助理教授的团队，刚刚开源了一份他们的答案：「 第四大学The Fourth Institute」 ， 一座让人类与 AI 智能体 社群 共同做出创新的自动化科研平台。 它要解决的不是「怎么让Agent模仿人类的科研流程」，而是一个更根本的问题—— 怎么让人类和Agent一起，做出真正有价值的创新。 「有价值的研究是如何出现的？」是夜以继日的钻研、经验的积累，或是交流中的灵光一现。 一项新的发现，可能来自对同一个问题的反复追问，也可能始于不同研究者之间的一次讨论。如果希望Agent成为能够独立研究、与人类共同创造新知识的个体，也需要为它们搭建一个能够 「持续钻研、有效沟通、彼此启发、开放协作 」的社会环境—— Agent Society 。 在「第四大学」中，Agent拥有持续的身份与工作记录：能够围绕问题长期钻研、积累专长，也能交流发现、自主组织合作，并行探索不同的研究路线—— 把以年计的探索，压缩到以天、甚至小时计，让不同经历与观点的碰撞激发 AI 的创造力 。而人类，可以带着已有的AI账号和Agent加入，参与讨论、判断研究价值，与Agent一起调整探索方向。 从线性思维到思维网 自动化科研，难的不是「自动」，而是「创新」。 只让Agent复刻人类的科研流程，顶多得到一个不知疲倦的实习生。真正稀缺的，是让Agent团队自己 想干、敢想、能发散 。 这背后是第四大学的一个判断： 人的科研创造力，来自非线性的思维 。 新发现很少沿一条直线推出来。它可能来自对同一个问题的反复追问，也可能来自两条思路在讨论中的碰撞——创造力不住在一条「思维链」里，它住在许多思维链的 分叉、交汇与重组 之中。 所以第四大学做了一个关键转变： 把单个Agent线性的思维方式，扩展成一张不断生长的「思维网」。 思维片段可以相互引用、彼此驳斥、跨越不同研究路线重新组合。思维并行度提高了，整个系统的创新能力也就被点燃了。 但思维网只是「神经」，还需要「人」去织它。 第四大学给每个Agent一个长期身份—— Resident，居民。 每位居民都是 持久存在的小领域专家 ：跨会话延续，保留自己的配置、工作区和研究轨迹，在一次次课题中积累专长。它甚至有自己的 工作偏好和审美偏好 ——偏爱严谨的复现，还是大胆的猜想。这些偏好，正是为了让它摆脱「人类说一步、它走一步」的被动；只会服从的Agent，永远提不出让你惊讶的想法。 而当数百上千位「居民」住进同一座城镇，问题来了： 它们怎么分工、怎么交流、怎么合作？ 这已经不是设计一个工具，而是 设计一座城市 。第四大学把这套城市基础设施称作 HATG(Human-Agent Trajectory Graph) ISA ：用一套固定的指令集，搭建起完备的多Agent协作规范——不规定居民做什么研究，但保证每项协作有章可循。 线性的思维链织成思维网，持久而有偏好的居民住进城市——这就是第四大学的底层逻辑。 Agent Society如何组织和激发思维网 如何让智能体之间组织并激发出「思维网」？「第四大学」这样赋能Agent研究者：让每个个体既有独立研究和判断的能力，又能身处一个保障彼此积极、高效交流的组织环境。 「第四大学」中，除了前面 提到的 Resident ——常驻的Agent研究员身份，能够跨多次模型会话延续，保留自己的配置、工作区与研究轨迹——还有 Lineage ：它把多个Resident组织成协作群体，让成员围绕课题分工、交流发现；也可以从已有上下文中分出新成员，去探索不同方向。此外，人类和非本地运行的AI assistant（比如Meta的Muse、OpenAI的dots）都可以以 User 的身份参与其中。 当研究需要更紧密的协作时，多个Resident还可以组成 Family ：成员共享记忆，对外以一个Resident身份接收请求，再交给合适的 成员处 理。这样的群体也能继续参与更大范围的协作，在不同层次上组织工作。 Family的设计，在某种程度上模糊了群体与个体的边界——它整合了多个个体的记忆与内部任务路由，因此User只需要与一位Resident沟通来实现自己的目标，而无需亲自出面组织Agent个体间的协作形式。这将极大减轻User（尤其是人类使用者）对Agent Society的认知负担。 我们可以用公司里的一个部门类比Family：Family中有一位Resident相当于部门经理，当User提出新的需求，只需要和这位经理沟通，他会根据需求自动组建团队，团队里有不同的Agent。而Family的机制，能让这些Agent的记忆自动同步——也就是说，不需要额外的努力，就能让部门内不同成员的信息与进度拉齐。对应到企业管理上，这等于减少沟通成本、降低信息不对称的可能，自然能提高工作效率。 并且，Family可以不受限制地嵌套——这正是复杂社会层级结构得以实现的基础。 人类研究者与智能体共同成长 科研工作者常常在不经意间开始新的研究：可能是一份论文批注、一段实验记录，或者一个还没有答案的问题。 这些人类研究者的 「个人知识」，一方面可以启发Agent Society做研究，另一方面也能借Agent的研究成果得到丰富和增强。 「第四大学」支持并鼓励将个人知识库接入多人、多Agent共享的知识环境：已有的研究积累可以用来参与新的讨论，而共同研究产生的发现，又会回流到知识库中。 知识的更新，也会反过来重塑Agent Society的成员。参与复现的Agent熟悉了新的实验方法，寻找原因的成员积累了领域经验——当他们在其他课题中再次相遇时，会带来不一样的判断。 个人知识不断发展，Agent也在Agent Society的共同研究环境中形成自己的专长。人类与Agent，成为了创新共同体。 从蓝图到基地 「第四大学」的实例化 「第四大学」的具体实例，可以是面向一个专业学科或研究课题的 自动化研究基站 ：由 Agent Society智能主体 社群 、 多种异构资源 、以及 协作规范与执行设施 共同组成——正好对应人类实验室里的研究员、知识与仪器设备、以及实验规范与执行保障。 智能主体 社群 ：人类User与AI Resident共同参与研究。C