大模型行为研究
以 Claude 模型为被试，在平台内置的 Subject Lab 里完成提示、推理与偏差实验，每个数字都来自模型的真实回答。
Auto Researcher面向研究者与研究生
自动科研
从想法到可信论文
写下一个问题。Auto Researcher 会调研文献、设计并运行实验、写出论文并模拟同行评审——每一步都被独立检查，关键决定留给你。
完整模式下，每项研究默认预算上限 $20，可随时调整 查看定价
演示模式 文献检索是真实的，其余内容都是示例；不运行实验，也不产生费用。
AUTO RESEARCHER
✓ 研究完成
想法思维链提示在多步算术题上，到底是推理更好了，还是只是答案更长了？
你来定：确认选题
文献调研检索 2,341 篇 → 保留 24 篇新颖性 6/10
H1 · 支持思维链提升准确率+12.4% · p < 0.01实验中…
你来定：确认方案与预算
H2 · 不支持提升来自更长的答案p = 0.41实验中…
H3 · 不确定错误类型发生变化n = 30实验中…
你来定：确认结论
论文论文草稿引用 23/23 ✓ · 倾向接收
已花费 $3.12 / 上限 $20
完整模式示例
基于
ClaudeSemantic ScholararXivOpenAlexHugging FaceAI-Scientist-v2LaTeXDocker
10
个研究步骤
从澄清想法、调研文献、运行实验，到论文、模拟评审与投稿材料。
5
个决定留给你
回答澄清问题 → 确认选题 → 确认方案与预算 → 确认结论 → 检查投稿材料。预算用完前也会先停下来问你。
100%
引用可追溯
每条引用都对应一篇真实检索到的文献，对不上就不通过校验。
工作流程
四个阶段，五个由你来做的决定
能自动化的部分，系统一直往前推；有五件事会停下来交给你：回答澄清问题、确认选题、确认方案与预算、确认结论、检查投稿材料。
检索文献，找准空白
检索 Semantic Scholar、arXiv 与 OpenAlex，找到最接近的工作与真正的空白。
你来定：回答澄清问题、确认选题
提出假设，确定预算
每个假设都有指标、对照和统计方案；实验先给出预计费用，你确认后才运行。
你来定：确认方案与预算
收集数据，检验假设
在平台内置的 Subject Lab（无需 GPU）或 GPU 服务器上运行，给出置信区间与显著性检验。
你来定：确认结论
撰写论文，备好投稿
论文只写实验真正支持的结论；经三位模拟审稿人评审、修订，再匹配投稿目标。
你来定：检查投稿材料
研究引擎
每一步都先产出，再被独立检查
每份产出都要过两道质量检查：先由程序核对引用和数字，再由另一个模型对照验收标准逐条复核。不合格就带着意见重做；重做后仍不通过，系统会停下来交给你决定。
- 任务说明写清要交付什么、怎么验收
包括课题、这一步的要求、输入材料、交付格式、验收标准，以及上一轮的修改意见。
- 起草AI 按分工完成
文献综述、实验代码、结果分析和论文写作，各由专门的 AI 角色负责。
- 自动核对引用和数字逐个核对
每条引用都必须来自真实检索结果，每个数字都必须能在实验结果里找到，同时检查结构是否完整。
- 独立复核另一个模型逐条把关
对照验收标准逐条审查，不合格就带着意见退回重做。每一步的检查记录都能在这一步的「质量检查」里查看。
质量检查记录 · 示例
▸任务论文草稿，第 1 轮
✓初稿已交付：5 节，2,140 词
✓引用核对23/23 条引用来自检索结果
✕数字溯源「41.7%」在实验结果中找不到
复核不通过：带 1 条意见退回
✓修订已修改，第 2 轮
✓数字溯源12/12 个数字都能找到出处
✓复核通过
可信原则
不是「看起来像论文」，而是能被核验的研究
01
引用只来自真实检索
文献全部来自 Semantic Scholar、arXiv 与 OpenAlex 的真实检索结果；引用检索结果以外的文献，校验直接不通过。
02
数字只来自实验数据
结果中的每个数字都必须能在实验分析结果里找到；没有数据时只留占位符，绝不估算。
03
负结果同样是结果
「不支持」「不确定」会被如实记录，并写进论文。
04
结论可追溯
每个结论都能追溯到引用的文献、实验文件或运行日志；整个研究档案可以一键下载。
05
高风险课题需要人工把关
涉及人体、医疗、生物、安全的课题，在你确认选题、方案和投稿材料前，都会提醒你确认伦理审批。
06
不会自动投稿
系统只准备材料，提交与署名由你确认，并遵守目标会议 / 期刊的 AI 使用披露规定。
定价
按用量计量，每项研究都有预算上限
每次调用模型前都会先核对：剩余预算不够这一步，就先停下来，由你决定是否追加。用到 50% 和 80% 时，研究页上会提醒你。
个人版
上限 $20每项研究的默认预算上限
- 完整模式：Claude 真实完成全部 10 个步骤，包括实验
- 新建研究时可设 $1–$1,000，之后随时可以调高
- 用到 50% 和 80% 时在研究页提醒；剩余预算不够下一步时先暂停，等你决定
- 文献检索免费；只有 Claude 调用按官方单价计入预算
- 运行实验前先给出预计费用，你确认后才开始
- GPU 实验按档位从上限中预留预计费用：试跑 $6–$12、标准 $20–$30、深度 $40–$70。默认上限 $20 只够试跑档，标准或深度档需要调高上限。
本站目前是演示模式，个人版还没有开通。
本站目前不在线收费：无需绑卡，也无需自备 API Key。目前为邀请制：注册时需要填写邀请码。
查看模型单价
| 模型 | 输入（每百万 token） | 输出（每百万 token） |
|---|---|---|
| Fable 5.1 | $10.00 | $50.00 |
| Opus 5.5 | $4.00 | $20.00 |
| Sonnet 5.5 | $2.00 | $10.00 |
| Haiku 5.5 | $0.10 | $0.50 |
写作与分析用 Opus 5.5，质量检查用 Fable 5.1；Subject Lab 实验按被测模型的单价计入。
问与答
常见问题
它和 Deep Research 这类工具有什么不同？
Deep Research 主要写综述。Auto Researcher 会设计并真正运行实验，论文里的数字来自实验输出，每一步都有独立检查，关键处由你决定。
需要 GPU 吗？
大模型行为研究在平台内置的 Subject Lab 里通过 API 完成，不需要 GPU。机器学习训练需要 GPU，有两种跑法：交给本站接入的 GPU 服务器运行 AI-Scientist-v2，按档位从预算上限中预留预计费用；或者下载实验包，在你自己的 GPU 机器上运行后上传结果，这部分不计入预算。选择时会显示每一档的预计费用和时长。默认上限 $20 只够试跑档，标准或深度档需要调高上限。
会编造引用或数据吗？
不会。引用只能来自真实检索到的文献，数字必须能在实验分析结果里找到。没通过质量检查就带着意见重做；仍不通过时交给你决定。
要花多少钱？
本站目前不在线收费，无需绑卡，也无需自备 API Key。文献检索免费；Claude 模型调用按官方单价计入每项研究的预算：默认上限 $20，新建时可设 $1–$1,000，之后随时可以调高。用到 50% 和 80% 时在研究页提醒；剩余预算不够下一步时先暂停，由你决定是否追加。GPU 实验按档位从上限中预留预计费用：试跑 $6–$12、标准 $20–$30、深度 $40–$70。默认上限 $20 只够试跑档，标准或深度档需要调高上限。
一项研究要多久？
不含实验时，从想法到投稿材料约 20 分钟–1 小时。平台内的大模型行为实验通常约 10 分钟–1 小时；GPU 训练实验按档位：试跑 1–2 小时、标准 4–8 小时、深度 8–16 小时。以上时间都是估算。研究在服务器上运行，需要你决定时会停下来等你，可以先关掉页面，之后在「我的研究」里继续。
会替我投稿吗？
不会。系统只准备投稿材料，提交、署名和 AI 使用披露都由你确认。
可以私有化部署吗？
企业版支持 Docker 私有化部署，并接入内部数据、算力与仿真环境。