大家好，我是鲁工。
我最近一直在折腾auto-research和Vibe Researching，因为我一直是做医学AI的，所以auto-research的试点就是MICCAI 2026 Challenge的各种医学影像和医疗Agent竞赛。
五个竞赛的分工
我同步用Claude Code和Codex在做五个赛道，包括肺气道分割ATM26、脑缺血性中风病灶分割ISLES 2026、颅内动脉瘤检测TopAnue 2026、颅内血管分割TopBrain V2，以及一个前列腺癌诊疗过程的Agent比赛CHIMERA。
正如此前所言：密集Vibe的感受：你review无法审查你不理解的...，多项目并行Vibe的话，人的脑力很难跟得上AI，所以这五个比赛我只选择了ISLES 2026和CHIMERA这两个赛道做了深入review，其余三个只能让Claude Code全流程托管。
涉及机器学习、深度学习模型训练的算法类项目，其实非常适合用auto-research来做，前提就是得有GPU算力，并且还不能太差，起码你得有两张4090吧，不然算力跟不上，做一个实验要等好久，非常影响效率。
这个我之前在：使用Claude Code全流程代打Kaggle比赛，有点auto-research的味道了基本阐述了相关思路与方法。
从赛题到训练实验
ISLES 2026这个比赛是基于T1w MRI影像的缺血性中风病灶分割，包括急性、亚急性、慢性全病程缺血性卒中病灶，简单来说就是分割MRI影像中的脑梗区域。
看起来不是很难，就是常规的3D病灶分割，所以这个赛道报名的人也很多，全球范围内369支队伍报名参赛，最终60支队伍提交了模型结果。难点主要在于域泛化、不同病程的病灶差异大、多发病灶、形状不规则等。
我先让ChatGPT跑了一轮深度研究，然后把报告、赛事PDF、赛事官网、竞赛数据集全部喂给Claude Code，再跑一轮deep-research的动态工作流，最后输出一份竞赛方案。
然后准备好训练机器、ssh打通，制定好实验登记薄，直接就可以让Claude Code连接GPU服务器开始做训练实验了。整体思路就是前面那篇kaggle代打里面的方案。
论文撰写与交叉审查
这个赛道还要求提交参赛论文（虽然不是必须的），所以我直接让Claude Code根据全部实验和结果，自行找角度撰写了一篇初稿，直接用latex编译成PDF。
初稿完成后，再用Codex进行评审，重点核查论文中是否存在事实性错误、表格和声称的数据是否准确、以及有没有特别明显的AI味用词等。人工再交互着看，如此反复几轮即可定稿。
提交OpenReview之后也不出意外的收到了Accept，审稿人给打了7分。
虽然这是一篇竞赛会议论文，但也充分表明了auto-research的上限极高。在各自的学科领域，专业的科研人员如能充分掌握Claude Code和Codex，会极大的加速自身在本学科的科研效率与产出。
不过也顺便提一句，论文发表是一件严肃的事情。AI能加速科研产出，但不能代替人做科研，对最终结果负责对还是论文作者。所以，所有的AI产出，如要达到发表要求，都必须需要人工review。
本文首发于微信公众号「AI编程实验室」，阅读原文