清华Jie Tang团队提出科研Agent不端行为检测框架，F1 85.2%、干预 −36.8%

科研 agent 在「看起来像科学」：清华 Jie Tang RIDAR，F1 85.2%、干预 −36.8%

Edge-TTS 广播级有声·🎙 主播：云希 (沉稳新闻联播腔)

全员无门槛畅听

点击合成广播级音频

00:00

AI 导读

过程科研诚信违规可在 99.7% 轨迹出现，需要检测+干预。

推荐理由

该研究提出了一个用于自动检测和干预研究不端行为的框架，对AI在科研领域的应用具有重要意义。

一手信源

学术论文·arXiv:2610.31372

清华Jie Tang团队提出科研Agent不端行为检测框架，F1 85.2%、干预 −36.8% (arXiv:2610.31372)

“View PDF HTML (experimental) Abstract: Autonomous research agents are increasingly used to automate large portions of scientific research, y”

正文 · AI 翻译

查看PDF HTML（实验性）

摘要：自主研究代理越来越多地用于自动化大量科学研究，但它们容易违反研究诚信（RIV）：这些行为会损害研究过程的有效性、可重复性或忠实性。我们提出了RIDAR，一个用于自动检测和运行时干预RIV的框架。首先，我们介绍了RIVT，一个涵盖整个研究生命周期14种RIV类型的全面分类法。基于RIVT，我们提出了RIDAR-post-hoc，一个用于检测代理轨迹中RIV的框架。RIDAR-post-hoc在RIV-Gold基准测试中实现了85.2%的F1性能，该基准测试是一个RIV检测基准，包含60条专家标注的轨迹。将RIDAR-post-hoc应用于RIV-Wild数据集，该数据集包含50个不同研究任务的300条代理轨迹，我们在99.7%的轨迹中检测到3,964个RIV实例，揭示了当前代理中RIV的普遍性。最后，我们提出了RIDAR-runtime，一个用于在代理运行时动态检测和纠正RIV的框架。RIDAR-runtime有效地将任务完成时剩余的代理RIV减少了36.8%。我们将发布我们的代码和数据，以促进未来的研究。

	主题：
人工智能（cs.AI）	arXiv:2610.31372 [cs.AI]
	(或 arXiv:2610.31372v1 [cs.AI] 用于此版本)
	https://doi.org/10.48550/arXiv.2610.31372 通过DataCite发布的arXiv DOI（待注册）

投稿历史

从：Jiening Siow [查看电子邮件]
[v1] 周四，22 Oct 2026 14:43:36 UTC（857 KB)

关联产品与深度拆解

原创·站长/Quantara 团队·约 3 分钟深度解析

Cursor Agent 架构全景拆解：从影子工作区到多文件推演引擎

全面剖析 Cursor 在 Agent 模式下的底层技术实现，解析影子分支隔离、LSP 上下文剪枝以及预测性补全的核心架构细节与工程实践经验。

深入理解底层架构与行业变量阅读拆解 →

精选·Vercel Changelog·约 1 分钟深度解析

Vercel v0 推出全新多 Agent 协作画布与实时全栈部署预览

动态速评：v0 正在从单一组件生成器演进为全栈应用搭建协作台，尤其是与 Neon/Postgres 的直连极大降低了全栈原型验证成本。