新華報業(yè)網(wǎng)
人工智能正在科研方面展現(xiàn)出巨大潛力。然而，隨著其應(yīng)用逐步加深，一些問題也浮出水面：大模型解決學科領(lǐng)域問題的效能如何？科學數(shù)據(jù)供給的質(zhì)量如何？是否有“裁判員”對大模型科研能力進行評價？
近日，由中國科學院計算機網(wǎng)絡(luò)信息中心牽頭建設(shè)的科學地平線（SciHorizon）平臺正式上線。作為國際首個聚焦“數(shù)據(jù)+模型”角度、面向人工智能驅(qū)動科學研究的綜合評價平臺，科學地平線旨在評估大模型在科研領(lǐng)域的應(yīng)用能力以及科學數(shù)據(jù)質(zhì)量，為科研人員使用大模型高效解決科學問題提供參考。
在科學地平線網(wǎng)站的大模型科學領(lǐng)域能力測試榜單中，用戶可根據(jù)不同學科瀏覽對應(yīng)大模型排名。例如，在全學科排名中，DeepSeek-R1以71.68的綜合評分暫列第一。
“考慮到一種大模型并非在所有學科領(lǐng)域都能展現(xiàn)出非凡能力，我們對學科類型進行分類，包括全學科、數(shù)學、物理學、化學、生命科學、地球與空間科學6種?！敝袊茖W院計算機網(wǎng)絡(luò)信息中心研究員祝恒書介紹，在不同學科下，依據(jù)知識、理解、推理、價值觀、多模態(tài)這5項評價指標，大模型的表現(xiàn)能力會被重新排序?？蒲腥藛T能據(jù)此迅速找到適配度高且綜合能力更強的大模型輔助科學研究。
祝恒書補充說，針對大模型幻覺問題，團隊正在構(gòu)建能將科學價值觀納入評價的指標體系，推動大模型在回答科學問題時遵守科學倫理和道德規(guī)范，實現(xiàn)價值觀對齊。
高質(zhì)量數(shù)據(jù)是大模型的“成長燃料”。數(shù)據(jù)越豐富，大模型能“學到”的知識越多，能力也就越強。但是，并非所有數(shù)據(jù)都會幫助大模型不斷“成長”。只有高質(zhì)量數(shù)據(jù)能讓大模型變得更“聰明”，低質(zhì)量數(shù)據(jù)則會讓大模型“變笨”。
在科學地平線網(wǎng)站的高質(zhì)量科學數(shù)據(jù)推薦榜單頁面上，分別列出了地球科學、生命科學、材料科學領(lǐng)域排名前十的數(shù)據(jù)集。其中，在地球科學領(lǐng)域，由中國科學院青藏高原研究所等機構(gòu)發(fā)布的“中國氣象驅(qū)動數(shù)據(jù)集（1979—2018）”暫列首位。
祝恒書介紹，為確保評價體系的合理性和公平性，研究團隊共收集國內(nèi)高校、科研院所等上百家機構(gòu)發(fā)布的數(shù)據(jù)集，并從規(guī)范性、可用性、可解釋性、合規(guī)性4個維度對數(shù)據(jù)集作出評價。每一維度下，還設(shè)置了不同子指標?！巴ㄟ^考核子指標，我們可以發(fā)現(xiàn)數(shù)據(jù)是否在某一維度內(nèi)符合標準，從而對科學數(shù)據(jù)的質(zhì)量作出綜合評價?！弊：銜f。
“我們希望通過對高質(zhì)量數(shù)據(jù)特征進行深度解析，為科研人員開展科學研究提供便利?！弊：銜硎荆磥韴F隊將構(gòu)建“數(shù)據(jù)—場景—價值”的轉(zhuǎn)化閉環(huán)，讓每份數(shù)據(jù)都能在產(chǎn)業(yè)升級中釋放最大動能。
不少專家預(yù)測，智能體將在科學研究中釋放巨大潛力。祝恒書介紹，團隊目前正開展面向科學領(lǐng)域的多智能體研究工作，并已在人工智能數(shù)字細胞方向取得階段性進展，未來還將部署建設(shè)相關(guān)評測系統(tǒng)。
“該系統(tǒng)將聚焦科學工具調(diào)用與環(huán)境交互能力、跨領(lǐng)域協(xié)作能力和復雜任務(wù)拆解效能等核心指標，建立從基礎(chǔ)理論驗證到產(chǎn)業(yè)轉(zhuǎn)化落地的全鏈條評測標準，為科研人員高效運用大模型開展科研攻關(guān)提供科學化、系統(tǒng)化指引?！弊：銜f。（記者 薛巖）
Android版
iPhone版
