该报告于 2026 年 8 月 1 日发布，由 The Decoder 记录，研究了八个案例研究（主要是生物学领域），其中研究小组使用 Codex 和 Claude Code 等编码代理来拯救、优化和重写关键软件。有关重塑科学和工业的工具的持续报道，请关注我们的最新人工智能新闻。
科学软件中的悄然危机
支持现代研究的许多软件最初都是作为单篇论文的支持代码而开始的。小型学术团队构建这些工具时没有资源进行适当的测试、维护或优化。结果是基础脆弱：项目对整个领域仍然至关重要，但需要不断修复。 OpenAI 现场报告表明，人工智能编码代理可以帮助缩小这一长期存在的差距。
这些项目的范围从日常维护到用现代编程语言完全重写，其中一些项目带来了引人注目的性能提升。
用 Rust 重建 STAR
更雄心勃勃的项目之一，rustar-aligner，用 Rust 从头开始重建了 STAR。 STAR 是一种广泛使用的工具，可将细胞的测序读数映射到基因组中相应的位置。原始程序包含 20,000 多行 C 和 C++ 代码，并且不再积极维护，尽管它仍然嵌入在许多研究流程中。
为了验证重写，该团队对酵母细胞的 10,000 个短测序读数测试了这两种工具。对于单端读取，rustar-aligner 在 99.815% 的情况下产生与 STAR 相同的结果。对于双端读取，一致率为 99.883%。比较范围超出了映射位置，包括两个程序为每次读取生成的其他几个关键字段，并且两个工具都映射了另一个工具未能映射的任何读取。
60 倍加速
RustQC 通过将 15 个独立的质量控制工具组合到一个程序中，实现了最大的加速。在大型数据集上，运行时间从 15 小时 34 分钟骤降到仅 14 分 54 秒，加速超过 60 倍。另一个项目 HelixForge 用 GPU 加速版本替换了生成合成基因组数据的工具。在使用来自一位供体和基因组一千万碱基对部分的数据的测试中，HelixForge 完成了整个流程，比原来的 BamSurgeon 快59.6 倍，仅主要计算步骤的运行速度就快了 98.6 倍。
在更传统的现代化中，GPT-5.5 取代了 cyvcf2 过时的构建和安装过程，cyvcf2 是一个用于读取遗传数据的 Python 库。在 MHCflurry 迁移中，Claude Code 和 Codex 交替扮演开发者和审阅者的角色，同时将大约 10,000 行代码从 TensorFlow 移植到 PyTorch。 MHCflurry 是一种免疫学模型，可以预测免疫细胞将识别哪些目标。
##“肯定是错误的”
然而，头条新闻的发现却发人深省。在所有案例研究中，代理人快速完成了明确的任务，但无法可靠地判断他们的工作在科学上是否正确。即使他们的代码包含错误，系统通常也会完全自信地呈现它。
cyvcf2 的开发者布伦特·佩德森 (Brent Pedersen) 捕捉到了报告中的紧张气氛：“使用编码剂，很容易走得快；目前，要在科学上走得更远，仍然需要专家的指导、理解、品味和关怀。”
RustQC 项目的负责人 Philip Ewels 则直言不讳。他形容这些特工“雄辩、令人信服，而且自信地以很容易被忽视的方式犯了错误”。 Ewels 从来不允许模型判断自己工作的准确性，而是构建了一个独立的测试工具来发现他们的错误。
隐藏在众目睽睽之下的错误
贝叶斯主义案例研究说明了这些错误是多么难以捕捉。它的 Rust 重写运行速度比原始版本快两到二十倍，但是两种高级方法的第一个版本包含微妙的缺陷。其中之一是，代理反转了一个关键控制参数，导致程序使用预期值的倒数。一个单独的错误影响了计算本身。研究人员在对数千个具有已知结果的合成数据集进行详细的校准测试后才发现了这两个问题。这一事件强调了科学家与人工智能合作方式的结构性转变：他们的中心任务不再是自己编写代码，而是严格验证结果——这一角色需要代理本身无法提供的深厚领域专业知识。
这对科学意味着什么
这一发现正值人工智能系统在高风险领域应被授予多少自主权的激烈争论之际。这些加速是真正具有变革性的——运行时间缩短 60 倍，可以将通宵工作变成喝咖啡休息时间。但该报告最重要的贡献可能是它对限制的诚实态度。快速、流畅、有说服力但无法自我评估科学有效性的代理，只有在确切知道要检查什么的专家手中才是强大的工具。
对于参与其中的研究人员来说，教训是明确的：人工智能可以以惊人的速度重建科学的脚手架，但人类的判断仍然是承重的。
保持人工智能领先地位
从研究突破到企业部署，变革的步伐是不断的。为 AI BuzzWire 添加书签，了解有关人工智能如何重塑科学、商业和社会的持续事实核查报道。
阅读更多人工智能研究新闻 →
