科学发现的瓶颈,常常不在「能不能生成一个假设」,而在「下一步该研究什么、用什么方法去研究」。Sage-Taiyi 用一套受元认知启发的架构来处理这个问题:系统通过显式的监控与控制,持续修订自己对证据、假设和未解决问题的理解,再把这些评估用于适配研究目标、选择可复用的推理方法。它依靠已经积累的科学理解来决定查什么、怎么查,而不是把构思当成一次性生成。该工作于 2026-11-09 出现在 Hugging Face Daily Papers。

Taiyi-Bench:八项指标全部第一

主评测是 Taiyi-Bench。它被定义为 AI 合作科学家的构思基准,含 50 篇论文、十个学科、265 项任务,覆盖历史再发现与开放构思。Sage-Taiyi 在全部八项指标上排名第一,Overall 为 54.0,最强基线 AI Scientist-v2 为 47.9。领先覆盖全部指标,分差约六个点。摘要还称其在两个外部科学构思基准上表现良好,但未给出名称与分数,外部结果目前只能按作者陈述记下,无法核对。

专家引导:提案接到实验与计算

作者报告五次专家引导的合作,将提案连接到化学、材料科学和工程的实验或计算验证。摘要中的量化结果只出现在化学:反应条件优化使钴催化羰基化产率从痕量升至 84%,光催化烯丙基胺化从 13% 升至 69%。材料与工程侧没有对应数字。按表述,这是提案与验证的衔接,且经过专家引导,不能读成全自动实验闭环。作者的结论是:这些结果支持把元认知调控作为科学构思的路径,并有望走向实际验证。

我的判断

真正有信息量的,是把「研究什么、怎么研究」做成可监控、可修订的元层,而不是再发一篇 AI 科学家宣言。硬证据目前只有两块:Taiyi-Bench 八项全第一(54.0 对 47.9),以及两例化学产率。边界同样清楚——主评测是构思;验证依赖专家;外部基准只有定性一句。摘要没有实现细节、消融、失败案例,也没有解释 54.0 分对应什么任务质量。做科研智能体的人可以跟踪这条元认知路线;若把产率数字直接当成可复现的自动发现,则超出了现有材料。不够写的,我不补。