科研AI出了個(gè)狠角色：開源30B小模型，硬剛Gemini和Claude

允中 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

大模型會(huì)寫論文，但它真的懂科研嗎？

很多時(shí)候，AI只是在“扮演”科學(xué)家——引文獻(xiàn)、列邏輯、排格式，看起來有模有樣。但只要深究，會(huì)發(fā)現(xiàn)全是破綻：邏輯靠編，推導(dǎo)靠蒙，結(jié)論是否正確全看運(yùn)氣。

就在最近，此前發(fā)布過BabyVision多模態(tài)評(píng)測(cè)基準(zhǔn)的UniPat AI，甩出了一個(gè)硬核的開源項(xiàng)目：

UniScientist

這個(gè)模型參數(shù)只有30B，卻可以實(shí)現(xiàn)“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”這一環(huán)路的閉合。

在FrontierScience-Research和ResearchRubrics等權(quán)威科學(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。

一個(gè)30B的模型，憑什么跑通復(fù)雜的科研閉環(huán)？

它的核心突破在于：將AI建模為一個(gè)動(dòng)態(tài)系統(tǒng)。通過自主構(gòu)建的數(shù)據(jù)引擎，UniPat AI成功將開放式的科研難題轉(zhuǎn)化為了可驗(yàn)證的“單元測(cè)試”

接下來，我們速速拆解一下UniScientist背后的邏輯。

“會(huì)寫報(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)”，只是看起來像在做科研：引用一堆資料、寫一堆邏輯、格式也像論文。

但問題是：它們經(jīng)常停在“敘事推理”、從“結(jié)論”出發(fā)的邏輯陷阱中，也就是說得很像，但是驗(yàn)證很少、推導(dǎo)不穩(wěn)、可復(fù)現(xiàn)性弱。

UniPat AI在UniScientist中直接回應(yīng)了這一技術(shù)缺口：僅有30B參數(shù)的UniScientist具備了“自主科學(xué)研究”的能力。

它能在開放問題里不斷提出科學(xué)假設(shè)、證偽錯(cuò)誤推論、修正研究路徑，直到證據(jù)狀態(tài)穩(wěn)定，再把全過程沉淀為標(biāo)準(zhǔn)化的結(jié)構(gòu)化科研成果。

這背后的潛臺(tái)詞很直白：

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

數(shù)據(jù)瓶頸：人寫得太慢，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)量的科研訓(xùn)練數(shù)據(jù)，一直是硬瓶頸。

然而現(xiàn)有方案幾乎只有兩種極端：

• 純?nèi)斯?/strong>：生態(tài)真實(shí)、判斷精準(zhǔn)，但又貴又慢，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。

• 大語言模型更擅長生成：能跨學(xué)科大規(guī)模地提出候選研究問題和解法草案；
• 人類專家更擅長驗(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，且能提供高精度的專業(yè)深度校驗(yàn)。

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，即產(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。

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，都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)的層面展開工作，該團(tuán)隊(duì)將開放式科研過程建模為基于兩個(gè)基本操作的動(dòng)態(tài)系統(tǒng)：

• 主動(dòng)證據(jù)整合（Active Evidence Integration）
• 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)）：來自外部權(quán)威來源，或內(nèi)部產(chǎn)出但經(jīng)過明確檢查驗(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；
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)研究過程轉(zhuǎn)化成一份嚴(yán)謹(jǐn)?shù)目茖W(xué)成果。

這一形式化過程具有重要意義：它能把“科研智能”從一個(gè)遠(yuǎn)大的理想，變成可訓(xùn)練、可評(píng)估、可迭代的對(duì)象。

把開放的科學(xué)研究問題變成“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），這是一個(gè)承擔(dān)兩項(xiàng)功能的數(shù)據(jù)引擎。

1. 其首要功能是從專家驗(yàn)證的科學(xué)命題（Claim）出發(fā)，將其擴(kuò)展為研究級(jí)課題——通過構(gòu)建多個(gè)相互依賴的子問題，實(shí)現(xiàn)實(shí)驗(yàn)設(shè)計(jì)與邏輯推導(dǎo)的深度協(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)以下三點(diǎn)：

• 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4700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)感的研究問題。下圖展示的是一個(gè)生態(tài)學(xué)方向的示例，完整案例庫可在https://unipat.ai/blog/UniScientist查閱。

這些問題的共同特征在于：沒有任何一道問題，可以通過匹配記憶中的既有答案來直接解決。每一道都要求完整的科研鏈條——包括文獻(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。

30B小模型比肩最大規(guī)模閉源系統(tǒng)

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Rubric閾值的rejection sampling來篩選高質(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)問題，一次嘗試并不一定會(huì)帶來最好的成果。

這實(shí)際上是將“集體科研智能”寫進(jìn)了訓(xùn)練過程：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。

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，得分超越以下模型：

• Claude Opus 4.5（17.5）
• Gemini 3 Pro（12.4）
• GPT-5.2 xhigh（25.2）
• DeepSeek V3.2 w/tools（26.7）和Seed 2.0 Pro w/tools（26.7）

在成果聚合模式下，UniScientist得分甚至達(dá)到33.3

而在FrontierScience-Olympiad上，啟用工具的UniScientist得分為71.0，匹配Claude Opus 4.5，超越多個(gè)其他前沿模型。

更是在多項(xiàng)分布外的基準(zhǔn)——DeepResearch Bench、DeepResearch Bench II和ResearchRubrics上，UniScientist的表現(xiàn)與一系列頂級(jí)閉源系統(tǒng)實(shí)力相當(dāng)。

一個(gè)尤為重要的發(fā)現(xiàn)：即使在無工具的評(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)通過訓(xùn)練得到了增強(qiáng)。

以上所有基準(zhǔn)上的結(jié)果，均指向同一結(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)證和寫作整合為連貫的研究工作流。

UniScientist的下一步：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)

目前，系統(tǒng)尚未實(shí)現(xiàn)對(duì)真實(shí)世界研究資源的編排，包括大規(guī)模GPU任務(wù)的可靠調(diào)度、以及濕實(shí)驗(yàn)流程的協(xié)調(diào)。

在Blog中，UniScientist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。

以下展示一個(gè)UniScientist進(jìn)行的完整科研推理鏈條，詳細(xì)推理內(nèi)容可以在Blog鏈接中進(jìn)行查閱。

開源地址：
https://github.com/UniPat-AI/UniScientist
Blog:
https://unipat.ai/blog/UniScientist