沐晨科技参与 ScienceBuddy 等科研 AI 项目联合研发
沐晨科技连续出现在科研 AI 项目合作名单中，反映出大模型数据服务的竞争已从标注规模转向评测标准与长周期运营
2026 外滩大会上，北大助理教授杨灵分享「长程任务学习」（让 AI 在长时间、多步骤任务里持续积累进化）。随后 ScienceBuddy、ScienceIDE 相继发布，2024 年成立于重庆的 AI 数据工程公司沐晨科技（Muchen AI）均以联合研发与技术支持方身份出现。
正文摘录
.jpg) 近期 2026 外滩大会上，北大助理教授杨灵关于「长程任务学习」的分享引发行业关注 —— 当 AI 从单次问答走向长周期复杂任务，模型如何从持续交互中积累进化。而在这份分享的合作研究标识中， Muchen AI 的名字赫然在列 。 紧随其后，PhAI Labs 发布交互式科研工作空间 ScienceBuddy，AItonomy Foundation 推出科研智能体开发环境 ScienceIDE，两份重磅发布的合作方名单中， 沐晨科技（Muchen AI）均以联合研发与技术支持方的身份出现 。 这家 2024 年才在重庆成立的 AI 数据工程公司，既不在互联网核心圈层，也并非模型厂商，为何能频频切入前沿科研与产业项目？它的增长逻辑，又折射出 AI 数据服务行业怎样的底层转向？ 大模型下半场，数据服务的核心早已不是「堆量」 大模型进入复杂任务落地阶段，数据服务的竞争核心早已 从「样本量级」转向「过程质量」 —— 任务边界是否清晰、评价标准是否统一、执行链路是否可追溯，正在成为比数据规模更关键的底层能力。 这正是沐晨科技从成立之初就锚定的方向 ：数据服务的交付物不只是样本本身，更包括让样本可用的任务定义、判断依据、质量记录与迭代机制。其中， 结构化评价标准（Rubric） 是整个体系的核心 —— 它把笼统的「回答得好不好」「结果对不对」，拆成可量化、可对齐、可检查的细分维度，比如事实准确性、逻辑完整性、约束符合度、错误严重等级等。 但写出评分表并不是终点。标准还要经过真实样本的双盲校验，解决不同人员的判断分歧；要跟随模型能力迭代更新版本，避免旧标准失效；