研究

PhAILabs的判断是，要让AI参与科学发现并且让这一过程规模化，缺的不只是更强的模型，还需要一套能够承载科学研究经验的基础设施。

构建承载科学研究经验的基础设施

9月15日，新型研究组织（NeoLab）PhAILabs发布DiscoveryFoundationModels（DFM）技术报告，提出一套面向开放式科学发现的通用模型系统。

这些选择如何配合，一次研究积累的经验怎样用于其他项目，还是需要有人来组织。

核心团队成员来自斯坦福、牛津、普林斯顿等高校及产业研究机构，研究方向涵盖基础模型、强化学习、智能体、科学智能与递归自我改进（RSI）。

另一端是科学家、研究机构和自动化实验平台，拥有真实问题、专业数据、实验条件和领域判断。

人们通常能读到最终结论，却不容易看到一个假设为什么被放弃、一次实验为什么失败，以及哪条新证据改变了研究方向。

让AI进入科学研究，困难首先在于：研究往往没有一套预先写好的任务说明。

但在真实科研中，研究者可能连应该研究什么、应该测量哪些变量都需要反复斟酌。