多數(shù)大模型能生成“看起來(lái)像”研究的文本，但極少數(shù)能真正做研究——提出假設(shè)、收集證據(jù)、執(zhí)行可復(fù)現(xiàn)的推導(dǎo)、迭代驗(yàn)證直至結(jié)論成立。

此前發(fā)布了 BabyVision 評(píng)測(cè)基準(zhǔn)的 UniPat AI 在最新的 Blog《UniScientist: Advancing Universal Scientific Research Intelligence》中給出了一個(gè)清晰而系統(tǒng)的答案。

UniPat AI 開(kāi)源的 UniScientist 訓(xùn)練了一個(gè) 30B 參數(shù)的模型來(lái)閉合這一環(huán)路。在 FrontierScience-Research 和 ResearchRubrics 等科學(xué)研究榜單上，它匹敵甚至超越了參數(shù)量大一個(gè)數(shù)量級(jí)的頂尖閉源模型。

01｜“會(huì)寫(xiě)報(bào)告”不等于“會(huì)做研究”：實(shí)現(xiàn)流程閉環(huán)才是能力

今天很多模型做“研究任務(wù)”，只是看起來(lái)像在做科研：引用一堆資料、寫(xiě)一堆邏輯、格式也像論文。
但問(wèn)題是：它們經(jīng)常停在“敘事推理”、從“結(jié)論”出發(fā)的邏輯陷阱中——說(shuō)得很像、驗(yàn)證很少、推導(dǎo)不穩(wěn)、可復(fù)現(xiàn)性弱。

此前發(fā)布了 BabyVision 多模態(tài)評(píng)測(cè)基準(zhǔn)（已被多個(gè)近期發(fā)布的重磅模型納入評(píng)測(cè)體系）的 UniPat AI，在 UniScientist 中直接回應(yīng)了這一缺口：

僅有30B參數(shù)的 UniScientist 具備了“自主科學(xué)研究”的能力——在開(kāi)放問(wèn)題里不斷提出、證偽、修正，直到證據(jù)狀態(tài)穩(wěn)定，再把全過(guò)程沉淀成結(jié)構(gòu)化成果。

這背后的潛臺(tái)詞很直白：

真正的科研，不只是把報(bào)告寫(xiě)漂亮；更是把“假設(shè)-證據(jù)-驗(yàn)證”的循環(huán)跑通。

02｜數(shù)據(jù)瓶頸：人寫(xiě)得太慢，純合成不夠“真”

UniScientist 首先把矛頭指向了數(shù)據(jù)：如何構(gòu)建高質(zhì)量科研訓(xùn)練數(shù)據(jù)一直是硬瓶頸。現(xiàn)有方案幾乎只有兩種極端：

?純?nèi)斯ぃ荷鷳B(tài)真實(shí)、判斷精準(zhǔn)，但昂貴、慢、還受限于單一專家的學(xué)科邊界；
?純合成：規(guī)模巨大、成本低，但常缺少可判別的精度和學(xué)科落地的真實(shí)性。

UniScientist 的關(guān)鍵洞察源于一個(gè)被廣泛忽視的不對(duì)稱性。
?大語(yǔ)言模型更擅長(zhǎng)生成：能跨學(xué)科大規(guī)模地提出候選研究問(wèn)題和解法草案。
?人類專家更擅長(zhǎng)驗(yàn)證：鑒別研究的真?zhèn)魏唾|(zhì)量，其成本和難度遠(yuǎn)低于從零創(chuàng)造，且能提供高精度的學(xué)科把關(guān)。

這種不對(duì)稱性指向了一種更高效的分工方式：模型負(fù)責(zé)規(guī)模與多樣性，人類專家負(fù)責(zé)質(zhì)量與可驗(yàn)證性。 這正是 UniScientist 數(shù)據(jù)引擎的核心原則——產(chǎn)出的訓(xùn)練實(shí)例既有廣泛的專業(yè)覆蓋面，又有嚴(yán)格的驗(yàn)證保障。

03｜形式化科學(xué)研究：證據(jù)狀態(tài)與溯因假設(shè)的動(dòng)態(tài)系統(tǒng)

許多關(guān)于“科研智能”的討論聚焦在更好的工具調(diào)用或更精準(zhǔn)的檢索上。UniScientist 則在更本質(zhì)的層面展開(kāi)工作。團(tuán)隊(duì)將開(kāi)放式科研過(guò)程建模為一個(gè)基于兩個(gè)基本操作的動(dòng)態(tài)系統(tǒng)：主動(dòng)證據(jù)整合（Active Evidence Integration） 與 模型溯因（Model Abduction）。

系統(tǒng)的核心是一個(gè)不斷演化的“證據(jù)狀態(tài)”，其中證據(jù)被分為兩類。
?Evidence-Grounded（可獨(dú)立核驗(yàn)的證據(jù)）：來(lái)自外部權(quán)威來(lái)源，或內(nèi)部產(chǎn)出但經(jīng)過(guò)明確檢查驗(yàn)證；
?Formally-Derivable（可形式化推導(dǎo)/復(fù)現(xiàn)的證據(jù)）：通過(guò)符號(hào)推導(dǎo)、數(shù)值計(jì)算、仿真實(shí)驗(yàn)等可復(fù)現(xiàn)程序得到。

然后系統(tǒng)循環(huán)執(zhí)行三個(gè)動(dòng)作：
1.產(chǎn)生假說(shuō)
2.獲取外部權(quán)威信息證據(jù)、計(jì)算和推導(dǎo)證據(jù)
3.做溯因更新：讓假說(shuō)更好解釋當(dāng)前證據(jù)狀態(tài)

直到證據(jù)足夠完整穩(wěn)定，再把整個(gè)研究過(guò)程轉(zhuǎn)化成一份嚴(yán)謹(jǐn)?shù)目茖W(xué)成果。

這一形式化具有重要意義：它把“科研智能”從一個(gè)遠(yuǎn)大理想，變成了可訓(xùn)練、可評(píng)估、可迭代的對(duì)象。

04｜把開(kāi)放的科學(xué)研究問(wèn)題變成“可驗(yàn)證的單元測(cè)試”

UniScientist 提出了 Evolving Polymathic Synthesis（進(jìn)化式多學(xué)科合成），一個(gè)承擔(dān)兩項(xiàng)功能的數(shù)據(jù)引擎。
1.從經(jīng)過(guò)專家驗(yàn)證的科學(xué) Claim 出發(fā)，將其擴(kuò)展為研究級(jí)問(wèn)題——跨越多個(gè)相互依賴的子問(wèn)題，要求實(shí)驗(yàn)設(shè)計(jì)與推導(dǎo)協(xié)同
2.同步合成評(píng)測(cè) Rubrics。這些 Rubrics 不評(píng)估文風(fēng)或格式等表面質(zhì)量，而是評(píng)估具體的科學(xué)發(fā)現(xiàn)是否已被達(dá)成

這一設(shè)計(jì)中最具辨識(shí)度的特征是：一份開(kāi)放式科研成果被分解為 N 個(gè)封閉的、可獨(dú)立驗(yàn)證的 Rubric 檢查項(xiàng)。
每個(gè) Rubric item 都盡量做到：原子化、客觀、可證據(jù)落地或可形式化推導(dǎo)，并額外強(qiáng)調(diào)：
?一致性（對(duì)相同科研成果，重復(fù)評(píng)測(cè)應(yīng)穩(wěn)定）
?區(qū)分度（能拉開(kāi)不同完整度的差異）
?原子性（單條 rubric 只校驗(yàn)一個(gè)知識(shí)點(diǎn)）

當(dāng)前數(shù)據(jù)集仍在持續(xù)擴(kuò)展中，已包含超過(guò) 4,700 個(gè)研究級(jí)實(shí)例，每個(gè)實(shí)例附有 20+ 條 Rubric 項(xiàng)，覆蓋 50+ 學(xué)科和 400+ 研究方向。專家標(biāo)注平均每條樣本投入 1-2 小時(shí)。學(xué)科覆蓋從量子物理和有機(jī)化學(xué)到社會(huì)文化人類學(xué)和計(jì)算語(yǔ)言學(xué)均有涉及。

數(shù)據(jù)集中包含了具備真實(shí)科研質(zhì)感的研究問(wèn)題。下圖展示的是一道生態(tài)學(xué)方向的示例，完整案例庫(kù)可在 https://unipat.ai/blog/UniScientist 查閱。

這些問(wèn)題的共同特征在于：沒(méi)有任何一道可以通過(guò)匹配記憶中的既有答案來(lái)直接解決。每一道都要求完整的科研鏈條——文獻(xiàn)調(diào)研、假設(shè)形成、實(shí)驗(yàn)或推導(dǎo)設(shè)計(jì)、分析驗(yàn)證、以及最終成果的收斂。

05｜從單點(diǎn)生成到群體智慧

UniScientist 引入了一個(gè)額外的訓(xùn)練目標(biāo)，成果聚合目標(biāo)：

給定同一問(wèn)題的 N 份候選科研成果，模型學(xué)會(huì)融合各家優(yōu)點(diǎn)，產(chǎn)出一份更完整、更穩(wěn)健的最終成果。通過(guò) Rubric 閾值的 rejection sampling 來(lái)篩選高質(zhì)量參考答案，聚合能力與科研生成能力一同被訓(xùn)入模型。

這反映了科學(xué)研究中的一個(gè)現(xiàn)實(shí)：對(duì)于一個(gè)問(wèn)題，一次嘗試并不一定會(huì)帶來(lái)最好的成果。這實(shí)際上是將“集體科研智能”寫(xiě)進(jìn)了訓(xùn)練過(guò)程：

模型不僅學(xué)會(huì)了產(chǎn)出研究，還學(xué)會(huì)了比較、取舍、整合與自我進(jìn)化。

06｜30B 小模型比肩最大規(guī)模閉源系統(tǒng)

評(píng)測(cè)結(jié)果引人注目，尤其考慮到模型的規(guī)模。

UniScientist-30B-A3B——一個(gè)僅有 3B 激活參數(shù)的小模型——在 FrontierScience-Research 上達(dá)到 28.3 分，超越 Claude Opus 4.5（17.5）、Gemini 3 Pro（12.4）和 GPT-5.2 xhigh completion mode（25.2）。在成果聚合模式下，得分達(dá)到 33.3。

在 FrontierScience-Olympiad 上，啟用工具的 UniScientist 得分 71.0，匹配 Claude Opus 4.5，超越多個(gè)其他前沿模型。在多項(xiàng)分布外的基準(zhǔn)——DeepResearch Bench、DeepResearch Bench II 和 ResearchRubrics 上——模型的表現(xiàn)與一系列頂級(jí)閉源系統(tǒng)相當(dāng)。

一個(gè)尤為重要的發(fā)現(xiàn)：即使在無(wú)工具的評(píng)測(cè)條件下，性能仍有顯著提升。 這表明增益并非單純來(lái)自更頻繁的工具使用，模型自身的研究推理能力確實(shí)通過(guò)訓(xùn)練得到了增強(qiáng)。

所有基準(zhǔn)上的結(jié)果指向同一結(jié)論：模型學(xué)會(huì)的不只是更好地檢索，而是將檢索、推導(dǎo)、驗(yàn)證和寫(xiě)作整合為連貫的研究工作流。

07｜下一步：邁向現(xiàn)實(shí)世界實(shí)驗(yàn)

科學(xué)研究不止于形成一個(gè)合理的敘事。許多結(jié)論依賴于可執(zhí)行、可復(fù)現(xiàn)的計(jì)算與仿真。

UniScientist 集成了代碼解釋器，將研究流程從敘事式推理升級(jí)為“測(cè)試-修正”的循環(huán)：假設(shè)不僅被提出，還被實(shí)例化為計(jì)算實(shí)驗(yàn)——其結(jié)果可以確認(rèn)、推翻或細(xì)化假設(shè)。

系統(tǒng)目前的能力主要集中在可復(fù)現(xiàn)推理與仿真計(jì)算范圍內(nèi)。對(duì)真實(shí)世界研究資源的編排——可靠地調(diào)度大規(guī)模 GPU 任務(wù)、協(xié)調(diào)濕實(shí)驗(yàn)流程——尚未實(shí)現(xiàn)。

UniScientist 在 Blog 中也將下一步方向闡述得很清晰：

將框架擴(kuò)展到對(duì)真實(shí)實(shí)驗(yàn)與計(jì)算基礎(chǔ)設(shè)施的受控編排與執(zhí)行，目標(biāo)是進(jìn)一步加速科學(xué)發(fā)現(xiàn)、推動(dòng)研究前沿。

一句話總結(jié)：

UniPat AI 開(kāi)源 UniScientist，用 30B 小模型在 FrontierScience-Research和 ResearchRubrics 等科學(xué)研究榜單比肩頂尖閉源模型，讓模型具備了可閉環(huán)推進(jìn)的科研能力。

UniPat AI

UniPat AI此前發(fā)布的多模態(tài)理解Benchmark BabyVision已被多個(gè)近期發(fā)布的重磅模型產(chǎn)品納入評(píng)測(cè)體系，并在其技術(shù)報(bào)告中被引用，體現(xiàn)了社區(qū)對(duì)該Benchmark的持續(xù)關(guān)注與廣泛采用。本次 UniPat AI 又提出將全鏈條科研能力內(nèi)化到模型的系統(tǒng)方案，訓(xùn)練了一個(gè)能在真實(shí)科研流程里閉環(huán)演化的系統(tǒng)，讓模型具備了可閉環(huán)推進(jìn)的科學(xué)研究能力。