AI 会讲药物化学，也会在低分分子上打转：Leash 怎样检查研究决策
AI 解释实验选择时像个化学家，怎样知道它真的把有限预算花在了更好的方向？
实验复现
8 篇文章
全部文章
五个来源、五种销售额：怎样测试 AI 能不能当买方分析师
金融知识题答得好，是否代表 AI 能完成一份买方研究？
vLLM 配置怎么选：Runpod 用并发测试比较速度，也把冷启动算进去
怎样知道一组推理配置适合自己的任务？
给 Agent 加了 SQL 工具以后，怎么知道它真的会用？Phoenix 团队的 Harbor 测试
给 Agent 增加工具或修改提示词，怎样确认它真的更会做事，而非只是换了一条路径？
Periodic Labs：为什么更强的 AI 仍要亲手做实验
科学发现要面对尚未知道答案的材料，模型只读论文或模拟计算，无法替代现实中的检验。
把科学问题变成分数以后，AI会加速研究，也会放大奖励漏洞
科研 Agent 能快速搜索大量程序，科学家怎样确保它优化的是有意义的问题？
Claude 和 Codex 能连续跑几天、打破训练纪录，为什么还不能算发现了新优化器？
编码 Agent 可以连续运行 GPU 实验、刷新明确的训练纪录，但跑得快并不等于发现了新的科学机制。
Biohub 预测了 11 亿个蛋白质结构，为什么下一步反而要造新的实验数据？
预测出十一亿个蛋白质结构后，Biohub 为什么还要投入实验？