AI真能做研究嗎？UniPat AI開源UniScientist，30B模型給肯定答案

“會寫報告”不等于“會做研究”。

多數(shù)大模型能生成“看起來像”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)、迭代驗證直至結(jié)論成立。

此前發(fā)布了BabyVision多模態(tài)評測基準(zhǔn)（已被多個近期發(fā)布的重磅模型納入評測體系）的UniPat AI在最新的 Blog《UniScientist: Advancing Universal Scientific Research Intelligence》中給出了一個清晰而系統(tǒng)的答案。

UniPat AI開源的UniScientist訓(xùn)練了一個30B參數(shù)的模型來閉合這一環(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)量大一個數(shù)量級的頂尖閉源模型。

開源地址：https://github.com/UniPat-AI/UniScientist Blog: ht

1.“會寫報告”不等于“會做研究”：實現(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——說得很像、驗證很少、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——在開放問題里不斷提出、證偽、修正，直到證據(jù)狀態(tài)穩(wěn)定，再把全過程沉淀成結(jié)構(gòu)化成果。

這背后的潛臺詞很直白：

真正的科研，不只是把報告寫漂亮；更是把“假設(shè)-證據(jù)-驗證”的循環(huán)跑通。

2.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、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)科落地的真實性。

UniScientist 的關(guān)鍵洞察源于一個被廣泛忽視的不對稱性。

• 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。
• 人類專家更擅長驗證：鑒別研究的真?zhèn)魏唾|(zhì)量，其成本和難度遠低于從零創(chuàng)造，且能提供高精度的學(xué)科把關(guān)。

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

3.形式化科學(xué)研究：證據(jù)狀態(tài)與溯因假設(shè)的動態(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)的層面展開工作。團隊將開放式科研過程建模為一個基于兩個基本操作的動態(tài)系統(tǒng)：主動證據(jù)整合（Active Evidence Integration）與模型溯因（Model Abduction）。

系統(tǒng)的核心是一個不斷演化的“證據(jù)狀態(tài)”，其中證據(jù)被分為兩類。

• Evidence-Grounded（可獨立核驗的證據(jù)）：來自外部權(quán)威來源，或內(nèi)部產(chǎn)出但經(jīng)過明確檢查驗證；
• Formally-Derivable（可形式化推導(dǎo)/復(fù)現(xiàn)的證據(jù)）：通過符號推導(dǎo)、數(shù)值計算、仿真實驗等可復(fù)現(xiàn)程序得到。

然后系統(tǒng)循環(huán)執(zhí)行三個動作：

1. 產(chǎn)生假說
2. 獲取外部權(quán)威信息證據(jù)、計算和推導(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。

這一形式化具有重要意義：它把“科研智能”從一個遠大理想，變成了可訓(xùn)練、可評估、可迭代的對象。

4.把開放的科學(xué)研究問題變成“可驗證的單元測試”

UniScientist 提出了Evolving Polymathic Synthesis（進化式多學(xué)科合成），一個承擔(dān)兩項功能的數(shù)據(jù)引擎。

1. 從經(jīng)過專家驗證的科學(xué) Claim 出發(fā)，將其擴展為研究級問題——跨越多個相互依賴的子問題，要求實驗設(shè)計與推導(dǎo)協(xié)同
2. 同步合成評測 Rubrics。這些 Rubrics 不評估文風(fēng)或格式等表面質(zhì)量，而是評估具體的科學(xué)發(fā)現(xiàn)是否已被達成

這一設(shè)計中最具辨識度的特征是：

一份開放式科研成果被分解為 N 個封閉的、可獨立驗證的 Rubric 檢查項。

每個 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)，并額外強調(diào)：

• 一致性（對相同科研成果，重復(fù)評測應(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 只校驗一個知識點）

當(dāng)前數(shù)據(jù)集仍在持續(xù)擴展中，已包含超過4,700個研究級實例，每個實例附有20+條 Rubric 項，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。學(xué)科覆蓋從量子物理和有機化學(xué)到社會文化人類學(xué)和計算語言學(xué)均有涉及。

數(shù)據(jù)集中包含了具備真實科研質(zhì)感的研究問題。下圖展示的是一道生態(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——文獻調(diào)研、假設(shè)形成、實驗或推導(dǎo)設(shè)計、分析驗證、以及最終成果的收斂。

5.從單點生成到群體智慧

UniScientist 引入了一個額外的訓(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)會融合各家優(yōu)點，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)研究中的一個現(xiàn)實：對于一個問題，一次嘗試并不一定會帶來最好的成果。這實際上是將“集體科研智能”寫進了訓(xùn)練過程：

模型不僅學(xué)會了產(chǎn)出研究，還學(xué)會了比較、取舍、整合與自我進化。

6.30B小模型比肩最大規(guī)模閉源系統(tǒng)

評測結(jié)果引人注目，尤其考慮到模型的規(guī)模。

UniScientist-30B-A3B——一個僅有3B激活參數(shù)的小模型——在FrontierScience-Research上達到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）以及工具調(diào)用模式下的DeepSeek V3.2（26.7）和Seed 2.0 Pro（26.7）。在成果聚合模式下，得分達到33.3。

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

一個尤為重要的發(fā)現(xiàn)：即使在無工具的評測條件下，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通過訓(xùn)練得到了增強。

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

7.下一步：邁向現(xiàn)實世界實驗

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

UniScientist 集成了代碼解釋器，將研究流程從敘事式推理升級為“測試-修正”的循環(huán)：假設(shè)不僅被提出，還被實例化為計算實驗——其結(jié)果可以確認、推翻或細化假設(shè)。

系統(tǒng)目前的能力主要集中在可復(fù)現(xiàn)推理與仿真計算范圍內(nèi)。對真實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)濕實驗流程——尚未實現(xiàn)。

UniScientist 在 Blog 中也將下一步方向闡述得很清晰：

將框架擴展到對真實實驗與計算基礎(chǔ)設(shè)施的受控編排與執(zhí)行，目標(biāo)是進一步加速科學(xué)發(fā)現(xiàn)、推動研究前沿。

以下展示一個UniScientist進行的完整科研推理鏈條，詳細推理內(nèi)容可以在Blog鏈接中查閱：
https://unipat.ai/blog/UniScientist

據(jù)了解，UniPat AI 此前發(fā)布過多模態(tài)評測基準(zhǔn) BabyVision，該基準(zhǔn)已被部分近期模型納入評測體系，并在一些技術(shù)報告中被引用。這次發(fā)布的 UniScientist，則把關(guān)注點轉(zhuǎn)向解決科研任務(wù)，提出將全鏈條科研能力內(nèi)化到模型的方案，讓模型具備了自主推進科學(xué)研究的能力。