当AI模型的训练成本越来越高、资源越来越集中于少数巨头实验室，一个新的创业公司选择从如何让模型学会自我优化这个角度切入。 5月13日，前Cohere副总裁、AI研究负责人Sara Hooker创立的Adaption Labs发布了AutoScientist——一个能够自动完成模型微调的AI工具。与传统微调需要人工设计数据、反复调参不同，AutoScientist的核心创新在于将数据和模型进行联合优化（co-optimization），让系统能够自动发现最优的学习路径。 Sara Hooker在接受TechCrunch采访时表示：最令人兴奋的是它同时优化数据和模型，学习任何能力的最优方式。我们终于可以让前沿AI训练走出少数实验室。这是一个相当大胆的宣言。传统上，大型语言模型的训练和微调需要深厚的专业知识、大量计算资源和反复实验。 AutoScientist建立在此前Adaption推出的Adaptive Data产品基础上——后者旨在构建高质量数据集，前者则负责将数据转化为持续进化的模型能力。Adaption官方表示，AutoScientist已在多个模型上实现了超过100%的胜率提升。 当然，这些数字还需要更多独立验证。由于系统针对特定任务进行优化，传统通用基准测试（如SWE-Bench或ARC-AGI）并不完全适用。但Adaption信心满满，宣布产品发布后30天内免费使用——某种程度上也是在邀请开发者社区参与验证。 这一产品的出现，标志着AI训练自动化正在从研究概念走向实用阶段。如果AutoScientist能够兑现承诺，它将大幅降低AI能力定制的门槛，让更多研究者和小型团队也能参与到前沿模型的开发中来。对于整个行业而言，这可能比单纯增加算力更重要——毕竟，当训练变得足够高效，小团队战胜大实验室也许不再只是理论上的可能。