新上线今天0 投票
Adaption 推出 AutoScientist：让 AI 模型学会自我训练，前沿训练不再囿于大实验室
AI 研究界长期憧憬着系统能自我改进、超越人类调优的那一天。如今，一家新锐实验室 Adaption 带着名为 AutoScientist 的工具，将这一愿景向前推进了实质性的一步。该工具通过自动化传统微调流程，帮助模型快速习得特定能力，并同时优化数据和模型本身。
从数据优化到模型自进化
AutoScientist 建立在 Adaption 已有的数据产品 Adaptive Data 之上。后者专注于随时间构建高质量数据集，而 AutoScientist 则将这些持续改进的数据集转化为持续进化的模型。公司联合创始人兼 CEO Sara Hooker（前 Cohere AI 研究副总裁）向 TechCrunch 表示：“最令人兴奋的是，它能够同时优化数据和模型，学习掌握任何能力的最佳方式。”她认为，这有望让前沿 AI 训练不再局限于少数大型实验室。
性能表现与开放策略
在发布材料中，Adaption 声称 AutoScientist 在不同模型上将“胜率”提升了一倍以上。由于系统专为特定任务自适应设计，传统通用基准（如 SWE-Bench 或 ARC-AGI）并不适用。尽管如此，公司对实际效果充满信心，并采取大胆的推广策略：发布后前 30 天免费使用。
行业意义
AutoScientist 的推出正值投资界向新一代研究驱动型 AI 实验室大量注资之际。Hooker 将这一工具类比为代码生成带来的变革：“就像代码生成解锁了大量任务一样，这将在不同领域的前沿解锁大量创新。”
对于追求高效、低成本模型定制的企业和研究者而言，AutoScientist 提供了一条通往“自适应全栈”的路径——从数据到模型均可实时针对任务优化。虽然其长期效果有待验证，但这一方向无疑为 AI 训练民主化带来了新的可能。