北京
一家由Google DeepMind校友创立的伦敦AI实验室Inherent，刚刚发布了一项引人注目的成果：其AI智能体Faraday在复现科学研究成果的任务上，击败了Anthropic和OpenAI的更大规模模型。而这一切，用的是比对手小得多的模型。
小模型，大胜仗
在DeepMind校友创办的众多初创公司中，Inherent此前获得的关注并不多。但当资金更充裕的竞争对手还在展示概念时，这家伦敦团队已经开始拿出实际成果了。
就在Inherent以5000万美元种子轮融资走出隐身模式几周后，这家英国初创公司发布了其AI智能体Faraday。在独立复现已发表科学论文的研究发现这一任务上——即不预先告知答案的情况下重现研究结论——Faraday的表现超过了更大、更知名的模型。
这听起来可能像是一个小把戏，毕竟Inherent的目标要宏大得多——构建能够发现新科学知识、而不仅仅是验证已有结果的AI。但联合创始人兼首席科学家Edward Hughes指出，论文复现也是人类科学家训练的标准环节。“很多博士生实际上就是从做这件事开始的。”
关键不在赢，而在怎么赢
Hughes告诉TechCrunch，击败其他AI系统并不是重点，关键在于达成这一结果的方式。“对我们来说，最有趣的不是击败那些前沿智能体——当然我们也很喜欢这个结果——而是我们构建这套系统的方式。”
真正值得投资者关注的数据在这里：与Anthropic的Claude Opus 4.8和OpenAI的GPT-5.5相比——两者都是规模大得多的前沿系统——Faraday运行的模型相对小巧，名为Qwen 3.6，仅有270亿参数。（粗略来说，“参数”是衡量模型规模及其训练成本的指标。）
Inherent设定的成功标准也比单纯的准确性更高。除了复现结果，它还要求Faraday展现出“研究品味”——即判断哪些实验值得做、如何设计好实验的直觉。
强化学习：教AI“品味”的关键
教给AI一种像“品味”这样难以捉摸的东西并不容易，这正是强化学习的用武之地。这种训练方法通过奖励AI系统的好结果来引导它，而不是为它规定具体规则。Inherent并非主要基于科学研究方法本身来训练智能体，而是依赖这种基于奖励的方法，押注它能更好地泛化到更长期的目标——构建能够在多个科学领域做出贡献的智能体。
“我们始终以北极为指引——构建一个AI科学家智能体，并赋予我们的智能体以品味。”Hughes说。这一专注也塑造了Inherent选择不做什么。该公司没有开发自己的编程工具，而是让Faraday使用OpenAI的GPT-5.5 Codex，就像人类科学家依赖现有软件而非自己构建一切那样。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
