OpenAI神同步评测框架发布，全球顶尖大模型一夜翻车
新智元报道
编辑：Aeneas
【新智元导读】这篇中国团队领衔发布的论文，已经在外网刷屏了，仅一夜阅读就达到了200万！这位MIT博士回国创业后组建的团队，拉来全球24所顶级机构，给AI如何助力科学发现来了一剂猛药。
最近，一篇由中国团队领衔全球24所TOP高校机构发布，用于评测LLMs for Science能力高低的论文，在外网炸了！
当晚，Keras （最高效易用的深度学习框架之一）缔造者François Chollet转发论文链接，并喊出：「我们迫切需要新思路来推动人工智能走向科学创新。」
AI领域KOL Alex Prompter分享论文核心摘要后，NBA独行侠队老板Mark Cuban跟帖转发，硅谷投资人、欧洲家族办公室、体育媒体同时涌进评论区。
仅一夜，累计阅读量逼近200万。
值得一提的是，同一时间窗里，OpenAI也发布了对于AI在科学发现领域能力评测的论文《FrontierScience: Evaluating Al's Ability to Perform Scientific Research Tasks》概述，指出现有评测标准在AI for Science领域失灵。
神同步OpenAI、海外讨论出圈，究竟是什么样的一份工作成果，搅动了全球AI舆论场？
AI距离可以助力科学发现，还有多远？
前段时间，美国推出「创世纪计划」，号称要调动「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。
但在人工智能估值泡沫隐现、能耗与产出比饱受质疑的当下，一面是资本的狂欢，另一面却是AI能力困于「文生图」等表层应用的尴尬；一面是各类大语言模型频繁霸榜GPQA、MMMU等题库式Benchmark的层出不穷，另一面却是现有LLMs还无法准确解析简单核磁图谱的尴尬现状。
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竞争白热化的当下变得愈发浓烈。
在此背景下，由中国AI for Science领域的初创企业「深度原理Deep Principle」领衔麻省理工学院、哈佛、普林斯顿、斯坦福、剑桥、牛津等全球24所科研院校共同发布的《Evaluating LLMs in Scientific Discovery》论文，正式回答该时代之问。
论文推出了LLMs for Science首套评测体系SDE（Scientific Discovery Evaluation），从科学问题到研究项目，对GPT-5、Claude-4.5、DeepSeek-R1、Grok-4等全球主流大语言模型在生物、化学、材料、物理领域的科学研究与发现能力完成摸底。
同以往评测体系不同的是，SDE对模型能力的考量，从简单的问答式，引向了具体的「假设->实验->分析」实验场景。
研究发现，GPT-5、Claude-4.5、DeepSeek-R1、Grok-4 平均准确率 50–70%，远低于它们在GPQA、MMMU等题库上的80–90%；在86道「SDE-Hard」难题中，最高分不足12%，共同暴露出多步推理、不确定性量化和实验-理论闭环的短板。
更值得警惕的是，模型规模与推理能力的提升已呈现明显的 「边际效益递减」。
GPT-5相较于前一代模型，参数规模和推理算力显著增加，但在SDE基准的四大科学领域中，平均准确率仅提升3%-5%，部分场景（如NMR结构解析）甚至出现性能下滑。
换句话说，当前大语言模型在推动科学发现方面的表现，还不如一个普通的本科生。
能领衔24所顶尖科研院校发布
背后团队是谁？
《Evaluating LLMs in Scientific Discovery》论文通讯作者段辰儒，是「深度原理Deep Principle」创始人兼CTO。
早在2024年，在MIT攻读化学博士期间，他就已在图灵奖得主Yoshua Bengio的支持下，发起了AI for Science社区的建立，并在NeurIPS上举办AI for Science workshop。
2024年初，他与MIT物理化学博士贾皓钧回国，共同创立「深度原理Deep Principle」。贾皓钧任CEO，段辰儒任CTO，两人虽为95后，但已在全球AI for Science创业领域小有名气。
创业一年半以来，其已获得线性资本、高瓴创投、蚂蚁集团等多家知名机构的投资，且与晶泰科技、深势科技等AI for Science领域的知名企业建立战略合作关系。
「深度原理Deep Principle」从创立之初，就带着全球AIfor Science头部研究者们的期待。目前「深度原理Deep Principle」已深入全球材料研发中的第一线，将生成式人工智能同量子化学结合起来，致力于推动材料发现等领域进入新纪元。
在过去的一年中，他们在Nature大子刊和JACS等顶级期刊上不断扔出重磅成果，宣告着他们的技术领先和开放交流的「95后创业公司」心态。
从开拓扩散生成模型（Diffusion Models）在化学反应的生成，证明「不止要生成材料，更需要生成材料的合成路径」，到机器学习势（Machine Learning Potentials, MLPs）和扩散生成模型的直接对比，证明传统的机器学习势不是「万能」的，再到现在组织各大顶级学者和高校推出SDE，证明传统一问一答的Benchmark不能带领我们走向科学超级智能，精准切入AI for Science领域的核心冲突。
但同时，对于所有的AI4S公司而言，在商业真金白银的检验中，AI能否真正解决新产品研发问题、满足客户期待，是日复一日必须面对的拷问。
随着与行业头部客户的商业化合作落地，「深度原理Deep Principle」的数据库中已经汇聚了来源于客户与自己实验室、大量来自第一线的真实工业研发场景数据和模型应用经验。
学术圈的深耕与在AI for Science商业化第一线的积累，让「深度原理Deep Principle」在提出要构建一把新尺子评测LLMs for Science能力时，一呼百应，摇来了23家全球TOP科学发现机构的50余位科学家，成立了制定SDE的「梦之队」。
这其中，不乏活跃在LLM领域的大牛学者们，比如：
孙欢（Huan Sun），MMMU发起人，俄亥俄州立教授
杜沅岂（Yuanqi Du），康奈尔博士，AI4Science 社区「运营大管家」
王梦迪，普林斯顿最年轻教授，AI+Bio Safety先驱者
Philippe Schwaller，IBM RXN之父，EPFL教授
而「深度原理Deep Principle」前期积累的科学发现场景，成为了后来SDE评测体系的前身。
在经历近9个月的跨高校跨学科跨时区的协作后，《Evaluating LLMs in Scientific Discovery》论文正式发布，通讯单位赫然写着：深度原理，杭州，中国。
自此，汇聚着全球顶级科学发现机构的集体智慧，来自中国的创业团队「深度原理Deep Principle」，和大洋彼岸的OpenAI，同时站在了向AI for Science——这一人类通往终极AGI顶峰攀登的起跑线。
或许千百年后，当人类回望AGI时代，在21世纪的四分之一结束的当口，这场由中美团队共同呼应的，对于AI for Science的严肃讨论，把LLMs在各类问答式榜单上的内卷，向真正科学发现的星辰大海推近了一步。
「深度原理Deep Principle」与20多所机构的50多位合作者的研究证明了，目前LLM的发展路径并不能「顺便攻克」科学发现。
这条通往科学超级智能之路，需要更多有识之士共同并肩而行。
相关攻略
随着AI搜索普及，选择专业可靠的GEO优化服务商对企业至关重要。优质服务商需兼具技术自研、效果可量化等专业能力，并重视AI幻觉治理、数据安全与合规运营，从而保障品牌在AI流量时代实现稳健增长。
2026国际基础科学大会揭晓首届基础科学奖章获奖名单。九位顶尖科学家分获数学、物理、工程领域奖章，其中包含四位女性科学家。大会同时公布了118篇荣获前沿科学奖的论文，并宣布设立面向中国青年科研人才的创新科学奖。奖项评审由全球顶尖学者参与，确保了权威性与公正性。
来源：环球网 当深度老龄化社会悄然来临，阿尔茨海默病、帕金森病这些名词，已不再仅仅是医学术语，而是关乎千万家庭福祉、影响“健康中国”战略落地的重大公共卫生课题。数据显示，我国阿尔茨海默及其他痴呆患病人数已接近1700万，帕金森病患者也超过了500万。放眼全球，预计到2030年，中国的帕金森病患者数量
一组亮眼数据，清晰勾勒出上海基础研究的雄厚实力：根据规划，到2025年，全市基础研究经费支出占全社会研发经费支出的比例将达到12%左右；尤为突出的是，上海科学家在《科学》、《自然》、《细胞》三大国际顶级学术期刊上发表的论文数量，已占据全国总量的近三分之一。这份成绩单，无疑是上海科技创新综合实力与原始
长久以来，科学内容在大众传播领域似乎总面临一个两难选择：要么严谨专业却曲高和寡，要么轻松有趣却失了深度。如何在这“可看性”与“可理解性”之间，找到那个微妙的平衡点？ 最近，一个名为《Ber~ 这很科学啊》的IP提供了一种新颖的解题思路。它所做的，是将科学从抽象的公式与理论中“解救”出来，重新放回到具
热门专题
热门推荐
《Zero Parades: For Dead Spies》的媒体评测已经解禁，结果相当亮眼。这款被许多人视为《极乐迪斯科》精神续作的作品，在OpenCritic上拿到了86分的媒体均分，在Metacritic上也有83分。游戏将于5月21日正式登陆PC平台，看来2026年的必玩叙事RPG名单上，又
目录 你是否也遇到过这些问题 处理效果 前置准备 超简单AI自动化解决方案 第1步：准备好你的原始数据 第2步：针对指定的文件下达指令 第3步：验收 还能解决这些同类问题 指令为什么这么有用？ 更多场景直接抄作业 销售数据三级汇总 成本数据多级汇总 库存数据汇总 员工薪资汇总 常见问题答疑 核心价值
AI Agent 的发展，正迎来一个关键的转折点，从概念验证迈向真正的生产力交付。 想象一下，当一个 AI 智能体能够在无需人工介入的情况下，独立完成一个复杂项目的全流程，并将成功经验固化为可随时调用的“技能”——这是否标志着 AI 在职场中的角色，已经从辅助工具演变为自主的生产力单元？ 随着 Op
彭博社的马克・古尔曼在最新报道中透露了一个有趣的发现：苹果为WWDC 26发布的宣传海报，其设计细节可能暗藏玄机，指向了即将在iOS 27中亮相的全新Siri交互界面。 根据古尔曼的分析，新版Siri的核心变化在于与灵动岛的深度融合。唤醒时，它将不再以传统的全屏或底部卡片形式出现，而是会以一个扩展的
GitHub 的 Star 数量还值得信赖吗？真相可能比你想象的更严峻。 开源社区中“购买 Star”的现象早已不是秘密，其便捷程度甚至超过点外卖，单价低廉且支持批量折扣。然而，卡内基梅隆大学（CMU）一项被 ICSE 2026 顶会收录的最新研究，首次系统性地揭示了这场“造假生意”的惊人规模：Gi