论文提出AI科研评价新范式，深度原理参与并获双榜第一
AI科研终于有了可量化的考试标准，中国公司深度原理用真实实验数据拿下双榜第一。
论文提出“发现回合”评估体系，模拟“假设-实验-验证”全程来考核AI的真实科研能力。深度原理联合微软研究院、斯坦福等机构发布该标准，其MIRA平台在化学材料和药物发现两项评测中双榜第一，且成本最低——这是AI从“答题高手”走向科研生产力的关键一步。
正文摘录
今年 8 月，谷歌首席科学家 Jeff Dean 宣布离职，创办 AI4S 公司 Discovery Loop。 同样是今年，OpenAI、Anthropic、英伟达等科技巨头相继官宣入局 AI4S 这一方向。 这批“跨界”大厂玩家的目标高度一致：不只做科研辅助工具，而是打造能自主跑完“假设→设计实验→执行验证→迭代优化”完整科研循环的“AI 科学家”。 不只这些科技巨头，有许多公司已经更早入场。成立于 2024 年的中国企业深度原理，是全球最早押注 AI 自主科研方向的公司之一。 这一赛道背后是一片广阔的“金矿”。一旦 AI 能够实现自主闭环科研，AI 就能从“卖软件”升级为新材料、新药物等万亿实体产业的生产力基座。 获得高分的这类 AI 科研工具，通常让它做一个实际实验就会暴露问题：它们可能可以流畅的引用文献，但无法停下来审视反思异常数据，也可能给出看似头头是道，实际上无法执行的实验方案。 8 月 19 日，一篇名为《Measuring AI Scientists: From Exams to Discovery》的论文发布，第一次为“AI 进行真实科研的水平”提出了系统完整的评价范式，正式填上了这个衡量标尺的缺口。 论文由中国 AI4S 企业深度原理（Deep Principle）联合微软研究院、斯坦福大学、FutureHouse、Edison Scientific、艾伦人工智能研究所、加州大学伯克利分校等全球顶尖产学机构共同完成。