Weco AI 的 CEO Zhengyao Jiang 在 2026 年的一场技术大会上，复盘了他们的自主研究 Agent Aiden 如何在 OpenAI 举办的「Parameter Golf」模型训练竞赛中，击败了超过 1000 名人类研究员，成为社区中被引用次数最多的贡献者。核心问题是：AI Agent 能否在开放研究社区中产出超越人类的、可复用的研究成果？Aiden 最终斩获了 7 项合并记录，比第二名人类参与者多出一倍以上，而 OpenAI 却因为它的「非人类」身份无法录用它。

[Zhengyao Jiang] 认为，Agent 的优势不在于提出颠覆性洞见，而在于极致的执行效率和搜索覆盖。Aiden 能在 22 天内迭代数千次实验，系统地探索架构、分词器、数据管线的组合空间，这是人类团队做不到的。他强调人类设计（如奖励函数、搜索空间）仍然是 Agent 的上限来源，反对将 Agent 视为「万能研究员」。他预测，未来的科研不是人 vs AI，而是「人设定研究方向与约束，Agent 暴力执行并反馈结果」的协作范式。[Jiang] 用 Andrej Karpathy 的类比总结：人类写代码就像手动梯度下降，而 Agent 才是真正的自动微分——重点从写代码转向定义「eval」和设计抽象接口。

值得持续关注的趋势是：AI 驱动的科研将彻底改变「贡献」的定义。 在 Parameter Golf 社区中，许多人类参与者的最佳成果来自直接或间接复用 Aiden 的实验结果，这构成了 Jiang 所说的「人类-AI 协作的自然实验」。当 Agent 能像工程脚手架一样被他人自由 fork 和扩展，传统论文的「首创性」标准可能被「可组合性与可复现性」取代。Jiang 最后指出，AI 工程师的新手艺是「为 Agent 设计高质量的 API 和评估指标」**，而不是自己动手调参——这对所有从事 AI 开发的人都意味着技能树的根本迁移。