適配目標宏大，借助AutoScientist這項AI工具協助模型自我訓練

多年來，AI研究人員一直期待著AI系統能夠比人類更能自我提升的那一刻。隨著投資者將資金投入新一代的研究驅動型AI實驗室，現在有比以往更多資源可用來追求這個目標。現在，其中一家新興實驗室已邁出實現這一點的重要一步。週三，Adaption推出了名為AutoScientist的新產品，透過自動化方式進行傳統微調，幫助模型快速學習特定能力。這些技術適用於廣泛的領域，但Adaption團隊特別關注於加速並簡化頂級AI模型訓練與微調的過程。根據Adaption共同創辦人兼首席執行長Sara Hooker表示，她之前曾在Cohere擔任高級AI研究副總裁，AutoScientist代表了一種新的AI訓練方法。她告訴TechCrunch：「這項技術令人興奮的地方在於它同時優化數據與模型，並學習出學習任何能力的最佳方式。」她說：「這意味著我們終於可以讓成功訓練頂級AI的過程，不再侷限於這些實驗室內。」AutoScientist建立在公司現有的數據服務Adaptive Data之上，該服務旨在讓用戶更容易隨時間建立高品質數據集。同時，AutoScientist則被設計為將這些持續改善的數據集轉化為持續改善的AI模型。Hooker表示：「我們在Adaption的觀點是，整個系統應該完全具備適應性，並根據你所面對的任務進行即時最佳化。」當然，這種方法的效果如何，還是要看實際結果。在發佈資料中，Adaption宣稱AutoScientist在不同模型上的勝率超過一倍，這是一個令人印象深刻數字，但很難置於適當的脈絡中。由於系統是專為適應特定任務而設計，傳統的測試標準如SWE-Bench或ARC-AGI並不適用。不過，Adaption仍對用戶在嘗試AutoScientist後會看到差異很有信心，甚至將工具在發佈後的前30天內免費提供給用戶使用。Hooker說：「就如同程式碼生成解鎖了許多任務，這項技術將會在不同領域的前沿解鎖許多創新。」