科研的链条很长。文献读不完，方向想不清，实验一轮接一轮，论文改到深夜。过去两年，大模型已经能读论文、写代码、改文章，但它们大多以问答工具的形态散落在各个环节，替研究者节省的只是零碎时间。一项研究能否被 AI 完整地向前推进，从追踪文献到形成想法，从验证实验到写成论文，仍是一个悬而未决的问题。

浙江大学团队最近开源的 Polaris 想解决的正是这件事。Polaris 意为北极星，寓意是在浩瀚的文献与漫长的研究中为人指引方向。它把文献调研、想法生成、想法评审、实验、论文写作、论文评审六个阶段串成一条流水线，上一阶段的成果自然流入下一阶段：文献变成想法，想法变成实验，实验变成一篇经过评审的论文。AI 自主推进，人只在关键节点做决定。

下面的两分钟视频展示了它完整运行的过程。

Polaris 两分钟完整演示

• 项目地址：https://github.com/ZJU-REAL/Polari
• 产品和文档：https://zju-real.github.io/Polaris/

每天早上，AI 已经替你看完了今天的 arXiv

打开平台的一天往往从每日新论文开始。按你订阅的方向，平台每天自动抓取 arXiv 的最新提交，AI 先通读一遍，为每篇写出一句话结论和一页中文导读，作者机构、概念标签都整理妥当。研究者只需浏览筛选，将值得保留的论文一键收入文献库。

每天一批 arXiv 新论文，AI 先读一遍再交给你

文献不是存起来，

而是读透了再交给你

收入库中的论文不会止步于存档。团队参考了 Karpathy 提出的 LLM Wiki 思路：每篇论文被完整读取后编译成一页深度解读，讲清这项工作的动机、方法和可以借鉴的地方，正文里的插图也会被自动提取出来配上说明。论文之间的概念互相链接，点进任何一个概念都能看到与它相关的所有工作，还可以从时间维度看研究主题的兴衰演化。

每篇论文都带着相关度评分、阅读状态和你自己的标签笔记，全库支持语义检索，也支持一键导出到 Obsidian。库里读到重要的论文，还可以直接生成一份分享用的 PPT。

每篇论文被编译成一页深度解读

研究主题随时间的演化趋势

想法的好坏，让 AI 评审员辩论出来

有了知识库，下一步是从里面找出值得做的方向。Polaris 会从概念空白、论文局限、研究趋势等多种信号里挖掘候选想法，并按新颖性、可行性等维度打分。

评审环节引入辩论机制：平台安排多位立场各异的 AI 评审员，围绕每对想法展开正反辩论，再按辩论结果做 Elo 排名，每个想法的对局数和胜场都记录在案。排名靠前的想法是否晋级，由研究者决定；晋级后可以继续深化为一份完整的研究方案，也可以直接发起实验。

每个想法都有信号依据、来源论文和四维评分

AI 评审员两两辩论后的 Elo 排行榜，是否晋级由研究者决定

把实验交给 AI 跑，你随时可以插手

想法确定后，Polaris 可以连上实验室的 GPU 服务器，由 AI 设计实验、编写代码、启动训练，自动分析结果并迭代，最后生成一份图文完整的实验报告。

驱动这一切的是平台的实验智能体循环：先规划，把实验目标拆成一份带验收标准的步骤清单；再执行，写代码、部署环境、启动训练；每做完一步都要校验，退出码、产物、指标逐项核对，通过了才走下一步。一轮跑完，AI 自己分析结果，指标不涨就换一个思路，把新的步骤补进清单，接着跑下一轮。计划不是一次写死的剧本，而是随实验证据不断生长的任务板，每一步、每次判定都摆在运行台上，看得见也回得去。

这个循环并不封闭。实验进行到需要取舍的节点时，AI 会暂停并向研究者提问，例如当前数据上各组差异不显著，应当更换更难的数据集，还是先补充度量再验证。研究者的答复会被采纳进下一轮，实验随即继续。

实验运行台：AI 的任务地图与服务器状态，这一单共执行 15 步，期间计划调整 4 次

实验中途 AI 停下来提问，用户回复后建议被采纳进下一轮

实验结束后自动生成图表与报告

论文写作与评审，每个数字都要对账

写论文时，平台提供在线 LaTeX 工作台，多文件工程、实时编译、PDF 预览一应俱全，AI 逐节起草。平台在这里设有一条硬性约束：论文里的每个数字只能来自真实的实验记录，每条引用只能指向真实存在的文献。

成稿之后还要过最后一关：AI 同行评审。系统逐条核验引用真伪，把论文里的数字与实验记录逐个对账，多位评审员分别给出意见。只要发现一条编造的引用，稿件直接打回。

在线 LaTeX 工作台，AI 逐节起草，实时编译预览

AI 同行评审：三位评审员分别给出意见，汇成评审总览

你的做事标准，可以教给平台

不同实验室有不同的品味和规矩，Polaris 用技能系统把这些沉淀下来。评审用什么标准，辩论安排哪些人设，实验代码要守什么规范，都可以做成技能挂到对应环节。平台内置了一批实用技能，比如文献综述速写、实验设计规范，甚至还有把审稿意见整理成逐条回应草稿的 Rebuttal 起草；也可以自定义技能，或者从技能市场安装别人分享的。

内置技能库与按环节挂载的已启用技能

一位随叫随到的科研助手

流水线之外，平台里还常驻一位全局助手 PolarisBuddy。在任何页面按下 Command J，它会停靠在工作区一侧，主动问候，并结合当前页面给出可以直接点选的引导。拖一篇论文或一段文字进去即可提问，它了解你的整个工作区；也可以直接交给它一个目标，它会自己规划步骤，一直做到出结果。

PolarisBuddy 停靠在工作区旁边

关键的决定，始终由人来做

在整条流水线上，所有关键动作都会停下来等人点头：想法要不要晋级，实验要不要动用 GPU 预算，论文要不要投稿。课题工作台上有一份随进度更新的下一步清单，AI 做完的打上勾，轮到你决定的亮出来。批准之前任务安静等待，批准之后从原地继续。研究的主导权始终在人手中。

课题工作台：流水线进度与下一步清单

整个实验室一起用

Polaris 从一开始就是为实验室设计的多人平台。方向文献库由团队共同维护，一篇论文全平台只解析一次，所有人共享成果；每个人的 AI 用量、消耗最多的环节，都在实验室工作台上一目了然。

实验室工作台：用量、成员与知识全景

把能力开放给你的工具链

Polaris 的能力也向外开放。文献管理、实验资产等平台资源通过 MCP 和技能体系对外提供，在 Claude Code、Codex、DeepSeek Harness 等工具里可以直接调用；平台内置的几十个检索工具都有清晰的说明，接入前还能逐个试运行。除了网页版，桌面客户端覆盖 macOS、Windows 和 Linux。

开放给外部客户端的工具目录，每个工具都可以先试运行

项目已在 GitHub 开源，目前仍在快速迭代中。

欢迎感兴趣的研究者试用，也欢迎参与共建。