DiscoveryRSI · 递归学习发现有价值的假设：让研究智能体从自己的研究经历中持续改进
DiscoveryRSI 让研究智能体从自己的研究经历中递归改进：研究假设的每一次修订，连同背后的证据和决策都被保留下来，用于训练模型、改进工作流和开展新的研究。与模型截止日期之后发表的研究对照，DiscoveryRSI-27B 有 6.3% 的假设能找到可据以继续研究的具体联系，在参与对照的模型中最高。
阅读全文 →新闻动态
技术发布、合作计划与项目进展
官网长期更新入口：DFM 及各模块的发布、科学家合作计划、项目进展与团队动态。
-
RSI-Anything · 跨领域递归自我改进：让世界模型参与系统的每一轮改进
RSI-Anything 把世界模型放进递归自我改进的闭环：先借助预测挑选值得拿去真实检验的候选，再用观测到的反馈改进策略或工作流，预测被判定不可靠时也尝试更新世界模型，只有通过检查的更新才会保留到下一轮。在代码模型固定的代码修复任务上，成功率从静态验证器的 26.3% 提高到 29.2%，更新世界模型后达到 31.2%。
阅读全文 → -
JEPA-Anything · 跨领域统一科学世界模型：面向潜在世界模型的正交预测因子分解
JEPA-Anything 用正交预测因子分解（OPF）把潜在目标拆成互补因子，各自学习后再组合，并在视觉、生物、临床轨迹、控制、分子动力学、物理场和气象七个领域上评测；与匹配的 JEPA 基线相比，10 个动力学任务的报告指标均有提升。
阅读全文 → -
ScienceIDE · 科学集成开发平台：把真实科学代码变成可验证的科学环境
ScienceIDE 把真实科学代码、研究流程、任务目标和验证标准转化为可运行、可测量、可复现的科学环境。这些环境中已验证的交互轨迹用于训练 PhAI-IDE 系列模型，在留出的科学代码修复任务和若干通用基准上有提升。当前任务形态包括加速、发现、修复、复现和集成，并开放任务提案。
阅读全文 → -
ScienceBuddy · AI 科研搭档：可交互的 Scientific Agent 与真实科研交互中的递归式自我改进
ScienceBuddy 是一项围绕科学家交互、科研反馈和智能体持续改进展开的独立研究与工程探索：科学家的追问、修改、采纳、否定和重新运行形成反馈，推动科研智能体的工作环境持续演化。
阅读全文 → -
从完成科研任务到参与科学发现：PhAI Labs 提出 DFM 研究范式
PhAI Labs 提出 DFM，一套围绕 Discovery Intelligence 的研究范式和系统化表达，并启动 DFM 科学家合作计划。随后三天，ScienceBuddy、ScienceIDE 和 JEPA-Anything 三个独立工作将分别发布。
阅读全文 → -
让真实科学问题进入下一代 AI 系统：DFM 科学家合作计划正式启动
DFM 科学家合作计划为 DFM 引入真实科学问题、高价值数据、可交互的科研环境与真实验证条件。首期重点关注生命科学与生物医学，同时面向化学、材料及其他前沿领域开放。
阅读全文 →