中国团队引领AI科学发现，全球顶尖机构共襄盛举

中国团队领衔发布的这篇论文，在外网引发广泛关注，一夜阅读量即突破200万！这支由MIT博士回国创立的团队，携手全球24所顶级机构，为AI如何助力科学发现注入了新动力。

近期，一篇由中国团队携手全球24所顶尖高校及研究机构共同发布的论文，在评测LLMs for Science能力方面取得了突破性进展，迅速在外网走红。

当晚，Keras缔造者François Chollet转发论文链接，并强调：「我们迫切需要创新思路以推动人工智能在科学创新中的应用。」

AI领域KOL Alex Prompter分享论文核心摘要后，NBA独行侠队老板Mark Cuban纷纷跟帖转发，硅谷投资人、欧洲家族办公室、体育媒体也涌入评论区。

仅一夜，阅读量便逼近200万大关。

值得一提的是，同一时间窗里，OpenAI也发布了关于AI在科学发现领域能力评测的论文《FrontierScience: Evaluating AI's Ability to Perform Scientific Research Tasks》概述，指出现有评测标准在AI for Science领域存在局限。

神同步的OpenAI与海外热议，究竟是怎样的一份工作成果，搅动了全球AI舆论场？

AI距离助力科学发现还有多远？

美国不久前推出了「创世纪计划」，旨在调动「自阿波罗计划以来最大规模的联邦科研资源」，目标是在十年内将美国科研的生产力和影响力翻倍。

然而，在人工智能估值泡沫显现、能耗与产出比备受质疑的背景下，资本的狂欢与AI能力困于「文生图」等表层应用的尴尬并存；大语言模型在GPQA、MMMU等题库式Benchmark上的频繁霸榜，与它们在解析简单核磁图谱方面的无力感形成鲜明对比。

人们不禁要问：能在题库拿高分，就能助力科学发现吗？现在的模型距离科学发现还有多远？究竟什么样的AI模型可以胜任，拓宽人类的生存边界？这些讨论，在中美AI竞争日益激烈的当下愈发引人关注。

在此背景下，《Evaluating LLMs in Scientific Discovery》论文应运而生，由中国AI for Science领域的初创企业「深度原理Deep Principle」领衔，联合麻省理工学院、哈佛、普林斯顿等全球24所科研院校共同发布。

论文推出了LLMs for Science首套评测体系SDE（Scientific Discovery Evaluation），对GPT-5、Claude-4.5等全球主流大语言模型在生物、化学等领域的科学研究与发现能力进行了全面摸底。

与以往评测体系不同，SDE更加注重模型在具体「假设->实验->分析」实验场景中的表现。

研究发现，GPT-5等模型在SDE基准的四大科学领域中平均准确率仅为50–70%，远低于它们在题库上的80–90%；在86道「SDE-Hard」难题中，最高分不足12%，暴露了多步推理、不确定性量化和实验-理论闭环的短板。

更令人警惕的是，模型规模与推理能力的提升已呈现明显的「边际效益递减」。

当前大语言模型在推动科学发现方面的表现，甚至不如一个普通的本科生。

能领衔顶尖科研院校发布

背后团队是谁？