2026年，一篇论文的标题让人无法忽视：《The Last Human-Written Paper》。这不是末日预言，而是来自密歇根大学博士毕业生Jiachen Liu及其35位合著者的技术提案。核心主张简单到近乎挑衅：未来的论文不应该再为人类读者而写，而应该为AI智能体而写。
准确地说，刘嘉宸想杀死的不是论文本身，而是那个已经存在了三百多年的PDF格式。取而代之的，是ARA——Agent-Native Research Artifact，一个四层机器可执行的研究包协议。论文的标题之所以叫“最后一篇人类写作的论文”，是因为它本身就在用传统格式预言传统的终结——这篇论文的ARA版本已经存在于GitHub仓库中，与PDF并肩而立。
这个想法听起来激进，但支撑它的逻辑链条冰冷而现实。
PDF的“叙事税”和“工程税”
刘嘉宸在论文中提出了一个犀利的分析框架：当前的研究论文格式施加了两种隐性成本——“叙事税”和“工程税”。
所谓叙事税，是指科学研究本身是一个充满分支、死胡同和反复迭代的探索过程，但论文将这一切压缩为一条线性的成功叙事。所有失败的尝试、被放弃的假设、负面的实验结果——这些在科学上极具价值的信息——在成文的那一刻被系统性地剥离了。读者看到的是一条笔直通向终点的路，而研究者实际走过的，是一张充满岔路和死路的迷宫地图。
工程税则更为致命。论文描述方法的精度，目标是“足以说服审稿人”，而不是“足以复现工作”。超参数被省略，预热调度方案存在于某个人的记忆中，数值稳定性修复从不出现在任何文档里。从“足以让人相信”到“足以让人执行”之间的信息鸿沟，正是学术可复现性危机的根源。
刘嘉宸的团队就此做了量化。他们分析了PaperBench数据集中23篇ICML论文的8,921个专家标注复现需求，结果令人震惊：只有45.4%的复现关键信息在PDF中得到了完整说明。26.2%的超参数信息缺失，21.9%的描述含糊不清，13.4%需要交叉引用才能拼凑完整，21.7%的代码或基线细节完全不存在。
换句话说，一篇论文的PDF版本，只包含不到一半的AI智能体复现所需信息。剩下的那一半，存在于实验室笔记里、Slack聊天记录中、或者原作者的大脑肌肉记忆里——但不在任何AI可以访问的文档中。
ARA：四层机器原生知识包
ARA的解决方案是将论文重构为四个机器可读的层次，构成一个可执行的知识包。
第一层是logic/（认知层），包含可证伪的声明及其认知状态、形式概念定义、声明式实验计划。回答的是“做了什么、为什么做”。
第二层是src/（物理层），包含核心算法实现、带有搜索范围和敏感度注释的代码、精确的可复现性规范。回答的是“具体怎么做的”。
第三层是trace/（探索图）——这是最颠覆性的创新。它保存完整的分支研究DAG（有向无环图），每一个失败的尝试都被保留，每一次决策节点和从中获得的经验教训都被记录。回答的是“哪些路走不通，为什么”。
第四层是evidence/（证据层），包含机器可读的定量输出、原始实验日志、训练曲线和指标。回答的是“结果到底是什么”。
这四层结构加在一起，形成了刘嘉宸所说的“研究过程中产生的有组织的、不断演进的知识，而非事后编译的叙事”。传统PDF论文只是从这个知识包中“编译”出的一条线性叙事，而ARA则是源代码本身。
为了让这个系统可行，他还设计了两项配套基础设施。Live Research Manager是一个在AI与人类协作研究过程中静默运行的自动捕获工具，不打断研究者的工作流，自动记录研究轨迹中的决策、死胡同、实验和启发式发现。ARA Compiler则能够将传统的PDF和代码仓库转换为ARA格式，为已有的海量论文提供向后兼容性。
数据说话：理解、复现和扩展
ARA的效果如何？刘嘉宸的团队在三个维度上进行了基准测试。
在理解维度，他们基于PaperBench和RE-Bench构建了450个问题，评估AI智能体对研究内容的理解能力。ARA格式的得分为93.7%，而传统PDF加代码仓库的基线仅为72.4%——提升了21.3个百分点，且在所有子类别中均胜出。
在复现维度，他们拆解了15篇PaperBench论文的150个子任务。ARA的复现成功率为64.4%，基线为57.4%，提升7个百分点。更重要的是，任务难度越大，ARA的优势越明显——因为越复杂的实验，PDF中缺失的关键信息就越多。
在拓展维度，基于5个RE-Bench任务的评估中，ARA在3个任务上取得了最佳分数，并且在全部5个任务中，AI智能体都能更早地做出有效的第一步。
这些数据揭示了一个清晰的趋势：当论文格式从“人类可读”转向“机器可读优先”时，AI智能体对科研工作的理解、复现和拓展能力都得到了系统性提升。
可复现性危机：AI时代的前提条件
理解ARA的真正价值，需要把它放在更大的背景中：AI研究的可复现性危机。
AI研究本身正面临严峻的可复现性问题。在顶级机器学习会议发表的论文中，只有不到20%会同时发布代码仓库。而即使发布了代码，74%的代码文件在未经配置的原始环境中首次运行即告失败。2024年，顶级ML会议论文中只有约21%提供了可访问的代码实现。
综合多项研究的数据，可复现率与共享程度高度相关：同时提供代码、数据和环境的论文可复现率约90%；提供代码和数据的约86%；仅提供数据的骤降至33%；而仅靠论文本身（无代码无数据）的可复现率低于10%。
更令人担忧的是，AI的介入正在加剧这一危机。Straiton 2024年的研究显示，AI增强研究的不可复现率从50%上升到了70%。这意味着，AI在加速科学发现的同时，也在加速科学知识的“不可验证性”。
这形成了一个悖论：AI科学家需要阅读论文来学习和复现研究，但论文格式本身恰恰是阻碍AI理解科学的最大障碍。PDF论文是为人类阅卷官设计的，不是为AI智能体设计的。
刘嘉宸在LinkedIn上写道：“我预见到，在不久的将来，超过80%的计算机科学研究将由AI与人类协作完成。然而，今天的研究生态系统仍然是围绕人类、而非AI科学家构建的。8页的论文PDF是将数月分支探索压缩为线性叙事的‘有损压缩’，优化目标是一个人类审稿人在30分钟内快速浏览。”
这个“有损压缩”的比喻极其精准。PDF论文之于原始研究过程，就像JPEG之于RAW格式的照片——信息被压缩、丢失、不可逆。
从“人类可读”到“机器可读优先”
ARA的深层含义，远不止于一个格式创新。
它暗示了一个根本性的权力转移：科学知识的主要载体，正在从“人类可读的叙事”转向“机器可读的知识包”。在这个新范式中，人类可读的摘要和概述变成了“编译视图”，而机器可执行的完整知识包才是“源代码”。
这与软件工程的发展轨迹有惊人的相似性。早期程序员阅读的是机器码和汇编；高级语言出现后，人类可读的源代码成为主要工件，编译器负责将其转换为机器可执行代码。ARA的逻辑倒转了这一过程——源代码是机器可读的，人类可读的版本是编译产物。
这种倒转的合理性在于：当AI智能体同时成为科学知识的主要生产者和主要消费者时，优化的目标函数必须改变。机器需要的是精确、完整、可执行的知识表达，而不是优雅但有损的叙事。
当然，这并不意味着人类将从科学交流中被排除。ARA的第一层（logic/）就是人类可读的概述和入口。但它的设计哲学明确表明：知识包的第一语言是机器语言，人类语言是第二语言。
谁被“最后一篇”了？
“最后一篇人类写作的论文”这个标题还有一个值得玩味的维度：它既宣告了一个时代的终结，也暗示了下一个时代的样貌。
刘嘉宸并非孤军奋战。2025年，Sakana AI的“AI Scientist-v2”生成的论文通过了ICLR 2025工作坊的同行评审，获得6.33分（满分7分制），排名约前45%，成为第一篇完全由AI生成并通过同行评审的学术论文。Google的AI Co-Scientist也在生物医学领域取得了突破性成果。AI正在从“研究的辅助工具”转变为“研究的主体参与者”。
但问题在于，当AI生成论文、AI阅读论文、AI复现论文时，人类在科学交流中的角色是什么？如果论文不再是人与人之间的交流媒介，而是机器与机器之间的数据传输协议，那么“同行评审”“科研诚信”“学术署名”这些概念又该如何重新定义？
刘嘉宸的ARA协议没有直接回答这些问题，但它提供了一个技术基础，使得这些问题可以被讨论和解决。当科学知识可以被AI精确理解、复现和拓展时，人类科学家可以腾出手来做AI做不了的事情——提出真正有洞见的问题、设计跨领域的实验框架、对科学伦理进行判断。
一场尚未开始的博弈
ARA目前还只是一个学术提案，在GitHub上获得了559颗星和52个Fork，在ICML和CAIS Workshop上获得了Spotlight展示。距离成为学术界的主流标准，还有很长的路。
但历史告诉我们，格式的变迁从来不是技术问题，而是生态问题。PDF论文之所以统治了学术界三十年，不是因为它的技术优势，而是因为整个学术评价体系——从投稿到审稿到引用检索——都围绕它构建。打破这个锁定需要的不仅是更好的技术，还需要整个生态的协同迁移。
要想让ARA真正落地，需要解决三个关键问题。
采用激励。在现行学术评价体系下，研究者没有动力额外制作一份ARA格式的知识包。Live Research Manager试图通过“零额外负担”的自动捕获来解决这个问题，但如果工具本身不够成熟，研究者仍然需要付出额外的时间成本。
标准化治理。ARA格式需要被一个开放、中立的机构维护和演进，避免成为某个实验室或公司的私有标准。刘嘉宸的团队选择了Agent Skills开放标准，这是一个好的起点，但长期治理仍需要更多参与者的加入。
审稿与信任。当“最后一篇人类写作的论文”发表后，AI生成的论文和AI可读的论文将如何被审稿？审稿人需要具备什么样的能力？这些问题尚无现成答案。
但趋势已经清晰。当AI科学家在2025年第一次通过同行评审，当ARA在基准测试中将AI理解能力提升21个百分点，当越来越多的人意识到PDF论文格式正在成为AI驱动科学发现的瓶颈——格式变革的窗口已经打开。
那些死去的路，和那条活下来的路，同样重要。
刘嘉宸的ARA最富革命性的地方，不是它让机器读懂了论文，而是它让科学知识不再对失败说谎。在一个只讲成功故事的领域里，保留失败痕迹本身就是一种反叛。
而反叛，通常正是变革的开始。
快报