UniPat AI 启动 Fellows 计划，一年投入一亿元招募科研人才
国内创业公司把科学家请进模型训练流程：由专家定义真实科研任务、建评测基准、判断结果是否可信，让模型的能力边界由它能解决的真实问题来定义。
UniPat AI 宣布启动 UniPat Fellows 计划，未来一年投入一亿元，邀请科学领域顶尖研究者与公司研究员、工程师共同做研究，每人配 50 万元模型 API 调用额度，另提供专业数据、专家网络、有竞争力的薪酬和算力环境。
正文摘录
.jpg) 最近，UniPat AI 宣布启动 UniPat Fellows 计划， 未来一年将投入一亿元，邀请科学领域的顶尖研究者与 UniPat 研究员、工程师共同开展研究，并提供每人 50 万元的模型 API 调用额度，以及专业数据、专家网络、具有竞争力的薪酬和科研所需的算力与环境。 今年下半年，国内的确有不少 AI 大厂和创业公司相继发布了面向科学家的人才招募计划，试图让人类专家的知识、经验、判断更多地参与到 Scaling 中。这些动作共同说明了一个值得关注的趋势，AI 公司正在尝试把能力边界，从模型本身延伸到现实世界中那些尚未解决的问题。 而对 UniPat AI 来说，这并非近期才开始探索的新方向。连接智能与现实世界——UniPat AI 从 Day 1 就确立了下来。  图源 UniPat AI 官方微信公众号第一篇内容 过去几年，AI 行业的竞争主要围绕模型能力展开：谁能训练出更强的模型，谁能更有效地利用算力，谁能提升推理效率、降低使用成本。AI 能力的提升，很大程度上发生在数字世界之中。但当模型逐渐具备更强的推理、编码和工具使用能力，一个新的问题也随之浮现： 模型接下来应该学习什么？