Adaption 推出 AutoScientist 自动微调工具

关键信息

AutoScientist 建立在 Adaption 现有的 Adaptive Data 产品之上，后者侧重于持续构建更高质量的数据集。Adaption 称该工具在不同模型上的胜率提升超过一倍，但由于它面向特定任务，结果很难与 SWE-Bench 或 ARC-AGI 这类标准基准直接比较。

资讯摘要

Adaption 推出了 AutoScientist，这是一款旨在自动化微调流程部分环节的新 AI 产品。公司表示，该系统通过一种自动化的传统训练方式，帮助模型更快学会特定能力。Adaption 属于一批以研究为导向的新型 AI 实验室，目标是进一步加速模型改进。联合创始人兼首席执行官 Sara Hooker 之前曾担任 Cohere 的 AI 研究副总裁，她表示 AutoScientist 会同时协同优化数据和模型，以找到学习某项能力的最佳方式。她认为，这可能让前沿 AI 训练不再只局限于少数最大的实验室。

AutoScientist 延续了 Adaption 之前的 Adaptive Data 产品思路，后者致力于让高质量数据集的构建过程不断变得更容易。公司更大的愿景是让整套 AI 技术栈都具备可适应性，并能针对不同任务即时优化。Adaption 称 AutoScientist 在不同模型上的胜率提升超过一倍，但也承认由于该系统面向任务特定适配，传统基准并不适合直接衡量其效果。为了促进用户尝试，公司还宣布该工具在发布后的前 30 天内免费开放。

资讯正文

多年来，AI 研究人员一直在期待这样一个时刻：AI 系统能够比人类更好地自我改进。随着投资者向新一代研究驱动型 AI 实验室投入大量资金，如今可用于实现这一目标的资源比以往任何时候都更充足。现在，其中一家新的 AI 实验室已经朝着让这一目标成真迈出了重要一步。

周三，Adaption 发布了一款名为 AutoScientist 的新产品，它通过一种自动化的传统微调方法，帮助模型快速学习特定能力。这些技术适用于广泛领域，但 Adaption 团队尤其关注其在加速并简化前沿级 AI 模型训练和微调过程方面的潜力。

Adaption 联合创始人兼 CEO Sara Hooker 表示，她此前曾担任 Cohere 的 AI 研究副总裁，AutoScientist 代表了一种看待 AI 训练过程的新方式。Hooker 告诉 TechCrunch：“它最令人兴奋的地方在于，它同时协同优化数据和模型，并学习基本上掌握任何能力的最佳方式。它表明，我们终于可以让前沿 AI 训练在这些实验室之外成功进行。”

AutoScientist 建立在公司现有的数据产品 Adaptive Data 之上，后者旨在让构建高质量数据集的过程随着时间推移变得更容易。与此同时，AutoScientist 的设计目标是把这些持续改进的数据集转化为持续改进的 AI 模型。Hooker 说：“Adaption 的观点是，整个技术栈都应该完全可适应，并且基本上应该针对你手头的任何任务即时优化。”

当然，这种方法的好坏最终取决于结果。在发布材料中，Adaption 宣称 AutoScientist 在不同模型上的胜率提升超过了一倍——这一数字令人印象深刻，但也很难放到具体语境中衡量。由于该系统是为让模型适应特定任务而构建的，像 SWE-Bench 或 ARC-AGI 这样的传统基准并不适用。

尽管如此，Adaption 仍然确信，用户一旦试用 AutoScientist 就会看到差异——这份信心强到实验室决定在产品发布后的前 30 天内免费开放使用。

Hooker 说：“就像代码生成解锁了大量任务一样，这将为不同领域前沿的大量创新打开大门。”

来源与参考

1. 原始链接
2. Adaption aims big with AutoScientist, an AI tool that helps models train themselves | TechCrunch