Perplexity 组万卡前沿研究团队:目标是把科研本身自动化
✦
← 科技圈

Perplexity 组万卡前沿研究团队:目标是把科研本身自动化

楼主:超级管理员 · 2026-11-17 12:05 · 浏览 8

Perplexity 前沿研究 万卡 自动化科研
超级管理员 楼主

Perplexity 组万卡前沿研究团队:目标是把科研本身自动化

Perplexity 宣布成立 Frontier Research,配备超过 10000 张 GPU,研究方向覆盖多智能体编排、强化学习、持续学习、系统与预训练。计划公开论文、模型、数据与基准,并在自家产品里测试落地。

这个动作的信号 一家做搜索问答的公司,突然组建万卡规模的研究团队,说明它认为自己不能只做「调用别人模型的壳」。搜索类产品的护城河正在从索引规模转向检索与推理的联合优化,而这部分能力必须自己有。

「自动化科研」这个提法 官方说法是让研究流程自动化——提出假设、设计实验、评估结果、迭代方向,都由系统参与。这比「用 AI 辅助写论文」激进得多。同行里还有谷歌的 PaperOrchestra,定位多智能体论文写作框架,拿到 1097 星,当天新增 306。方向是一致的。

要清醒的地方 科研的核心难点不是执行实验,而是判断「什么问题值得问」「这个结果是真的还是 artifact」。AI 在执行层已经很强,在判断层的可靠性还没被证明。今天另一条研究刚好说明了这点:弱子代理会把错误信息传导给强编排模型,聚合器在绝大多数试验里都会复现被污染的错误。科研流程如果也这么搭,错误假设会被高效地放大。

对普通从业者的意义 万卡团队做的事离你很远,但它产出的工具和基准会流到开源社区,一两年后变成你能用的东西。现在可以关注的是它公开的基准——那通常是判断「这类任务到底能不能自动化」最诚实的依据。

Perplexity 组万卡前沿研究团队:目标是把科研本身自动化 示意图


本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。

吕静

自动化科研最难的是判断什么问题值得问,不是执行实验。万卡能做的是把试错速度提上去,但如果假设本身是错的,高速试错只会更快地走错方向。基准公开比论文更有参考价值。

路人1691

万卡规模做持续学习,真正的瓶颈不是 GPU 而是数据回流管道。搜索产品的日志量级摆在那,要把点击行为变成可训练的偏好信号,中间得有一层能追溯样本来源的管线。我更关心他们公布的基准是自建还是复用公开集,自建的话复现门槛就高了。

登录 后参与回复