EN 立即申请

PhAI Labs · 技术

面向科学发现的技术体系

PhAI Labs 的技术工作围绕一个问题展开：如何让 AI 系统参与真实的科学发现。DFM 是我们为此提出的研究范式；DFM 技术报告与此后陆续独立发布的各项工作，收录在页面末尾。

查看论文

  1. 科学问题
  2. 模型训练
  3. 工具调用
  4. 真实实验
  5. 外部证据
  6. 能力提升

DFM · Discovery Foundation Models

围绕 Discovery Intelligence 的研究范式

DFM（Discovery Foundation Models）不是一个单一模型，也不是要求所有系统按同一套流程运行的软件框架，而是 PhAI Labs 围绕 Discovery Intelligence 提出的一套研究范式、能力定义和系统组织方式。它通过形式化定义、流程图示、系统实例和真实科学案例，把“发现”从一个模糊概念具体化为一种可学习、可执行、可评测的模型系统能力。

左右滑动查看完整示意图

DFM 技术报告 ↗GitHub ↗

论文·共 6 篇

技术报告与论文

PhAI Labs 的公开研究记录：技术报告、预印本与会议论文。

  1. 把“发现”具体化为一种可学习、可执行、可评测的模型系统能力。

    Discovery Foundation Models: Toward Open-Ended Discovery Intelligence

    Ling Yang, Zhenfei Yin, Yingcheng Wu

    PhAI Labs Technical Report

  2. 可交互的 Scientific Agent：关注真实科研交互中的递归式自我改进，重点探索 Recursive-in-Recursive Self-Improvement（RSI in RSI）。

    ScienceBuddy: Recursive-in-Recursive Self-Improvement for Interactive Scientific Agents

    Shuhan Xue*, Jianyuan Zhong*, Ziyuan Nan*, Wenbin Li, Zhaochen Yu, Jinchao Ding, Qiang Gao, Pengyu Zhan, Yuntong Zhang, Tian Cheng, Zhenfei Yin, Yingcheng Wu, Ling Yang

    PhAI Labs Technical Report

  3. 科学经验基础设施：关注真实科学代码、任务、环境和强化学习训练。

    ScienceIDE: Turning World's Scientific Codebase into Agent Learnable Environments

    Hejia Geng*, Zesen Huang*, Haoyang Li, Wenbin Li, Koutian Wu, Zihan Zhou, Yuanbo Pang, Weihao Liu, Zigong Xu, Zhiping Li, Zongzheng Zhang, Chuanfei Dong, Jiankai Sun, Tianzhe Zheng, Fengyu Xie, Yue Ma, Yueheng Shi, Junkai Wang, Tong Xie, Zonglin Di, Xianrong Liu, Qucheng Gao, Yimin Liu, Jiaming Pan, Sheng Huang, Xiao-Han Ma, Lanqing Yuan, Zhenlin Zhu, Ziang Liu, Ziyang Xu, Kangkai Liang, Jiayi Xian, Zehong Zhao, Taigao Ma, Fuming Chang, Yuanzhe Hu, Liuwei Xu, Xianzhe Tang, Jingxu Xie, Peijin Zhang, Qiang Gao, Chengyi Xing, Zhe Zhao, Xi Wang, Leo Wang, Fang Wu, Yaopeng Xing, Xing Meng, Zhenfei Yin, Yingcheng Wu, Ling Yang

    PhAI Labs Technical Report

  4. 面向跨领域状态预测、干预模拟和科学诊断。

    JEPA-Anything: Learning Predictive Models across Different Worlds

    Taoyong Cui, Zhongyao Wang, Xinyue Xu, Weiyang Liu, Zhaochen Yu, Yuying Zhang, Qiang Gao, Mengyue Yang, Wanli Ouyang, Pheng Ann Heng, Yingcheng Wu, Zhenfei Yin, Ling Yang

    PhAI Labs Technical Report

  5. 建立在 JEPA-Anything 之上：用世界模型的预测挑选值得真实检验的候选，用反馈改进策略或工作流，预测不可靠时再尝试更新世界模型，只保留通过检查的更新。

    RSI-Anything: Unlocking Recursive Self-Improvement with World Models

    Taoyong Cui, Pinxian Zeng, Wanghan Xu, Hao Xiao, Shuhan Xue, Qiang Gao, Wanli Ouyang, Pheng Ann Heng, Zhenfei Yin, Yingcheng Wu, Ling Yang

    PhAI Labs Technical Report

  6. 多智能体演化搜索发展研究假设树，选中的研究编译成可执行任务；保留下来的研究记录用于训练模型、改进工作流，并在新问题上重新发现。

    DiscoveryRSI: Recursively Learning to Discover Valuable Hypotheses

    Jianyuan Zhong*, Chenwei Wu*, Zhaochen Yu*, Xixian Jiang, Jiajun Fan, Xuewei Li, Hao Xiao, Xilin Dai, Junyang Wang, Jiaru Zou, Zhiqing Cui, Boyuan Zheng, Jing Xiong, Zhen Zhang, Qiang Gao, Michael Morley, Luis Nakayama, Qiang Xu, Liyue Shen, Tao Gui, Leo Anthony Celi, James Zou, Zhenfei Yin, Yingcheng Wu, Ling Yang

    PhAI Labs Technical Report