搜索
20 所全球顶尖高校联手造了一个「科学 IDE」，想用科研经验训练 AI
10 小时前
由全球20所顶尖高校研究者联合完成、AItonomy Foundation主导的ScienceIDE项目，致力于将科研代码、运行环境及科学验收规则整合为AI可执行、验证和学习的任务，以真实科学结果约束AI行为，探索科学对下一代AI训练的反哺作用。研究发现，在1769个有完整记录的缺陷任务中，55.2%的程序虽能正常编译运行，但科学结果错误，这种“成功”假象易误导AI。通用代码Agent具备低成本试错反馈机制，而科研代码需额外验证科学结果，且缺乏通用检验标准。ScienceIDE将科研代码库拆分为包含运行环境、算例和验证流程的“环境”，通过“任务工厂”生成任务，并经对照实验筛选有效任务，使AI在“执行、犯错与修正”的闭环中获取真实反馈，其轨迹可用于监督微调或强化学习。截至2026年9月16日，ScienceIDE已收录27个开源代码库的64个环境定义，生成2812个涵盖14个学科的任务。目前，项目已设计好模型训练接口，但模型是仅记住特定技巧还是掌握通用科研能力，仍需进一步验证。该项目为PhAI Labs的发现基础模型框架提供了落地切入点，既为大模型研发提供公共基座，也将科研团队的隐性经验转化为AI训练资源，探索科学经验能否持续转化为AI学习材料，推动AI进化。
