AGI将至！40项实验全面SOTA，超级递归智能体自主打造最强材料基座模型

AIGC动态2小时前发布 almosthuman2014

70 0 0

文章摘要

当前，人工智能的自我进化被视为突破现有规模瓶颈、迈向通用人工智能的关键路径，并在科研领域取得了实质性进展。深度原理团队基于自研的AI科学家平台MIRA，通过递归自训练推出了材料基座模型MPA。该模型在40项实验性质预测任务中全面刷新了现有最优性能，平均绝对误差降低10%，最高降幅达到51%。这一成果标志着人工智能改进人工智能的概念实现了极具说服力的落地。

MPA的诞生依赖于MIRA平台构建的自动化科研架构。在该架构下，人工智能智能体能够全自主完成从文献调研、代码实现、数据处理到模型训练的完整科研流程。在代码层面，系统自主识别冗余模块并重构数据流管线；在数据层面，系统展现出类似人类科研直觉的能力，自主执行多阶段清洗并基于物理常识剔除异常数据。此外，系统自主设计了三阶段训练框架，将大语言模型的训练范式迁移至材料基座模型，并融入了物理机制的先验知识，使模型能够自动适配不同性质的物理结构。

在长达一个月的上百轮迭代中，系统通过假设、验证与调整的闭环循环，在数据整合、模型架构、损失函数及推理阶段进行了持续优化。最终诞生的模型不仅在热力学性质预测上优势显著，而且在面对全新分子骨架的分布外泛化测试中表现出极强的鲁棒性。这种在未知分子预测上的稳定性，为实际材料发现提供了极高的产业应用价值。

这一突破表明，人工智能已经能够在高度专业化的材料科学领域自主完成从零到最优的全流程，其本质是利用人工智能作为原料来产出更强大的人工智能。随着代码生成、自动化科研到自我改进的能力边界不断扩展，递归进化的飞轮已然启动，这将持续缩短人类与通用人工智能之间的距离。