多年來，AI 研究人員一直期待 AI 系統能夠比人類更有效地自我改進。隨著投資者向新一代研究驅動的 AI 實驗室注入資金，追求這一目標的資源比以往任何時候都更多。現在，其中一家新實驗室邁出了實現這一目標的重要一步。周三，Adaption 推出了一款名為 AutoScientist 的新產品，該產品透過自動化方法應用傳統微調技術，幫助模型快速學習特定能力。這些技術適用於廣泛領域，但 Adaptation 團隊特別專注於加速並簡化前沿級 AI 模型的訓練與微調過程。
根據聯合創辦人兼行政總裁 Sara Hooker 表示，她曾任 Cohere AI 研究副總裁，AutoScientist 代表了 AI 訓練過程的新方法。「最令人興奮的是，它同時優化數據與模型，並學習最佳方式來掌握任何能力，」Hooker 向 TechCrunch 表示。「這表明我們終於可以在這些實驗室以外成功進行前沿 AI 訓練。」
AutoScientist 的核心功能與願景
AutoScientist 建立在公司現有的數據產品 Adaptive Data 之上，後者旨在隨時間更容易構建高質量數據集。與此同時，AutoScientist 旨在將這些持續改進的數據集轉化為持續改進的 AI 模型。「Adaption 的觀點是，整個技術堆疊應完全可適應，並即時優化以應對任何任務，」Hooker 表示。 當然，這種方法的效果取決於實際成果。
在推出材料中，Adaption 宣稱 AutoScientist 在不同模型上的勝率超過翻倍——令人印象深刻的數字，但難以置於脈絡中。由於系統旨在將模型適應特定任務，常規基準如 SWE-Bench 或 ARC-AGI 並不適用。不過，Adaption 對用戶試用後將看到差異充滿信心，以至於該實驗室將工具在發佈後首 30 天免費提供。「正如代碼生成解鎖了許多任務一樣，這將解鎖不同領域前沿的許多創新，」Hooker 表示。
