Anthropic发布《How researchers use Claude》报告(20 多万条)

推荐 Anthropic 刚发布的《How researchers use Claude》，文章中分析了 20 多万条科研相关的 Claude 会话，看看 AI 到底在帮研究人员做些什么。

其中 Claude Code 近一半的科研会话都在做数据分析，用于提出研究想法和假设的却只有 2.1%。

但在另一项科研人员调查中，大家反而把提出研究问题和假设看得最重要。

文章还尝试解释了背后的技术原因。

作者把科研工作拆成具体任务，发现 AI 的能力与任务是否适合 RL 高度相关。像写代码、统计分析，结果容易验证，也能快速获得反馈；而一个研究假设究竟有没有价值，往往很难立即判断。

另一个值得关注的变化来自 Claude Science。

它把蛋白质结构、药物、论文等专业数据库接入同一个 Workflow，让 Agent 能跨工具收集证据、分析问题。假设生成类任务在 Claude Science 中的占比也更高，不过这还不能证明提升完全来自工具接入。

所以 Research Agent 接下来值得投入的方向，是把文献检索、数据分析和实验验证真正串起来。

让 Agent 提出一个想法已经不难，如何让它找到可靠证据、设计验证方法，并根据结果不断修正，才是更有挑战性的部分。

原文：