Beyond the benchmark: How an adaptive approach drives scientific discovery

对于研发（R&D）组织而言，自主AI的承诺并非提供一个更优的一次性答案，而是探索复杂科学和工程问题的新范式：探索多个假设，根据证据验证假设，从失败中学习，并随着新信息的出现不断调整方法。

这种自主发现过程的独特性质一直是微软的核心研究领域，也是Microsoft Discovery平台的设计原则，该平台服务于致力于前沿研发的组织。

为科学发现衡量自适应AI

一项新的基准测试结果表明这一机遇正在变为现实。在Agent’s Last Exam——一个对长期运行、使用工具的专业任务进行严格评估的测试中，搭载CLIO（基于原地优化的认知循环）的Microsoft Discovery Engine在三个科学领域均超越其他自主框架的评估表现：健康与医学领域达到61.6%，物理科学领域达到75.2%，生命科学领域达到64.6%。

这一成果建立在微软对自主发现独特性的核心研究之上。CLIO通过独立推理路径探索问题、比较并共享学习成果，最终将最强路径整合为基于证据的单一结果。系统能够判断何时需要继续探索、调整策略、使用不同模型或引入领域专家。

CLIO基准测试博客文章详细描述了这种自适应推理方法。更广泛地说，这项由自主AI驱动的科学发现核心技术，通过Microsoft Discovery平台，不仅作为一项研究突破，更成为所有行业研发组织和科学界开展实际研发工作的基础。

为什么科学发现需要自适应推理

许多最困难的科学和工程挑战没有明确的流程或已知答案。研究人员可能需要在证据不完整、目标冲突、工具专用性和约束条件变化之间进行权衡。材料团队可能需要在性能、安全性、成本和可制造性之间取得平衡。生命科学团队在决定下一步验证内容前，可能需要整合文献、专有数据、模型和实验证据。工程团队可能需要在不牺牲物理保真度或可追溯性的前提下搜索庞大的设计空间。

在这些场景中，单一模型响应已不足以满足需求。从业者需要能够随时间进行推理、保留证据、挑战假设，并能融入现有工具、数据、治理和审查流程的系统。同样重要的是，他们需要理解结论是如何得出的，以及在哪些环节应引入人类判断。

微软发现平台被设计为面向智能体驱动研发的的企业级平台，将科学领域假设、实验和优化的思维模式，与工程领域问题分解、结构化执行和可复现性的严谨性相结合。CLIO通过更适应性的推理循环和多样化的模型生态系统强化了这一基础，同时允许研究人员使用多样化的模型生态系统和多种推理路径。

从基准测试到实际影响

更大的机遇不仅限于基准排名，而是延伸至真实的科研环境。搭载CLIO的发现引擎已支持发现新型有机氧化还原液流电池。同样的方法在设计仿真（如硅芯片）、配方与工艺优化（例如在制造和快消品领域）、材料与分子发现（可推动可持续发展和药物研发）、实验室自动化等领域同样具有潜力，这些领域需要缩短研发周期，同时不牺牲严谨性和可追溯性。

智能体驱动的发现不会取代科学家和工程师。它拓展了他们可探索的边界，帮助他们更快地从证据中学习，并为他们提供更系统、更透明的路径，将想法转化为专家可评估和验证的结果。

要实现重新定义研发的巨大机遇，需要构建一个适配研究人员现有工具、数据、治理和审查流程的平台。微软发现平台正是基于这一需求而设计：将智能体驱动的发现能力带给各行各业研发组织中的研究人员和科学家，覆盖整个科研社区。

我们仍处于这一旅程的早期阶段，但这一基准里程碑证明了当AI按照实际发现过程（迭代式、协作式和适应性）构建时所实现的可能性。我期待看到各组织、研究人员和合作伙伴接下来将发现什么。