无界进化开放 Karl Workbench 内测，科研 AI Agent 首次跑通完整假说验证闭环

0 阅读

Karl Workbench 开放内测：让 AI 真正跑通一次完整的科研任务

9 月 16 日，无界进化（INFevo）正式开放其科研 AI Agent 工作台 Karl Workbench 的 Beta 内测。这不是又一个能写代码或总结文献的大模型插件，而是一个试图把整个科研流程——从假说提出、数据分析到证据沉淀——打包进一个可追溯、可复现、可迭代的工作空间。

图片

在开放前，Karl Workbench 已在耶鲁大学、Broad 研究所等机构联合发布的科研 Agent 评测基准 SciAgentArena 上完成复测。结果很硬：在单细胞组学任务中，综合得分 0.86，超过 Hermes、STELLA（mem）、Codex、Claude Code、Biomni，也高于人类专家参考解的 0.80；在更复杂的空间组学任务中，得分为 0.70，与人类专家持平，稳居所有 AI 系统第一。

图片

关键不只在分数。Karl Workbench 在两项评测中的数据分析通过率均为 1.00，意味着它成功跑通了全部预处理和分析步骤。尤其在空间组学中，它是全场唯一通过所有预处理环节的 AI 系统。要知道，这次复测中多个系统使用了相同的底层大模型（如 DeepSeek V4 Pro 或 Claude Opus 5），但 Karl Workbench 依然拉开差距——这说明，决定科研 AI 能力上限的，早已不是底座模型本身，而是系统如何组织上下文、调用工具、验证逻辑并管理研究状态。

图片

科研不是问答，是连贯的任务链

图片

传统大模型擅长回答孤立问题：“怎么用 Seurat 做聚类？”、“这段代码报错怎么改？”但真实的组学研究远不止于此。你得先读取原始数据，检查质量，选择合适的方法，运行代码，解读结果，再根据中间发现调整策略。任何一个环节断掉，结论就不可靠。

图片

SciAgentArena 正是针对这一点设计的。它不考单点问答，而是直接给 AI 一个接近真实场景的复杂任务，比如“分析这份空间转录组数据，找出肿瘤微环境中免疫细胞的空间分布模式”，然后对每一步——数据加载、质控、标准化、聚类、注释、可视化——进行逐项核验。这种“逐步验证（Step-wise Verification）”机制，逼着系统必须像人类研究员一样，保持逻辑连贯。

Karl Workbench 能在这种压力下拿第一，靠的不是更强的语言能力，而是一套专门为此设计的架构。它把研究意图、假说、数据、文献、工具和中间证据统一放进同一个工作空间，并全程记录执行轨迹。任务结束时，你不仅拿到结论，还能一键导出完整脚本，在其他环境重新运行——这才是可复现科研该有的样子。

RSD 框架：让 AI 从自己的错误里学习

大模型有个致命弱点：每次调用都是“失忆”的。今天试错的方法，明天可能又重来一遍。更糟的是，面对高维、高噪声的生物数据，模型容易跳过关键步骤，或者凭空编造不存在的结果（即“幻觉”）。

Karl Workbench 的核心突破，是引入了无界进化自研的 递归科学发现（Recursive Scientific Discovery, RSD）框架。这个名字听着玄，其实目标很实在：让科学发现过程能从自身历史中学习。

RSD 把整个研究拆成五层能力：

  • 记录层：保存任务输入、数据版本、代码和参数，做到全链路可追溯；
  • 积累层：自动记下哪些假说被证伪、哪些路径行不通，把这些“失败”变成后续任务的约束条件；
  • 产物层：把关键结果封装成独立的研究产物，严格绑定底层数据和证据链；
  • 监督层：内置审查机制，检查分析逻辑是否自洽，同时保留人类科学家的最终决策权；
  • 进化层：识别系统在不同任务中的强弱项，动态优化后续的任务规划策略。

这五层不是割裂的功能模块，而是一个闭环：记录形成历史，历史转化为可复用的产物，产物带入新任务，监督确保质量，进化则让系统越用越聪明。

假说不再是脑内一闪念，而是可管理的研究资产

过去，科学假说要么写在论文里，要么记在笔记本上，要么只存在于研究者的记忆中。一旦换人、换项目，这些线索很容易丢失。

Karl Workbench 首次把“科学假说”本身变成了可操作的研究资产。在 The Popper Project（TPP）平台中，你可以创建一个假说，比如“X 基因的表达水平与肿瘤浸润 T 细胞的空间聚集正相关”。这个假说会被结构化存储，附带来源文献、初步证据和待验证的问题。

当你启动一个新任务时，可以直接把这个假说“拉”进来，配上你的数据集，让系统自动规划验证路径。任务结束后，新证据会反过来更新假说的状态——支持、部分支持，还是被推翻。于是，研究流程变成了清晰的闭环：

假说 ＋ 研究目标 ＋ 数据 → 分析代码 → 提取证据 → 更新假说

假说不再是一次性消耗品，而成了可以持续积累、迭代、复用的知识单元。这正是 Karl Popper 科学哲学的核心：知识通过不断证伪而进步。无界进化用技术手段，把这一理念落到了工程层面。

双引擎驱动：OCOO-T 预测 + Karl 执行

Karl Workbench 并非孤立存在。它与无界进化此前发布的虚拟细胞大模型 OCOO-T 共同构成技术双引擎。

OCOO-T 是个能预测细胞对药物、基因扰动响应的模型，在 Tahoe100M、Replogle 和 PBMC 三大公开基准上均达到 SOTA。这意味着，研究人员可以在实验前，先用 OCOO-T 在超大规模候选空间中做计算筛选，快速锁定高潜力靶点或干预策略。

而 Karl Workbench 则负责把这类预测结果落地：导入真实数据，设计验证实验，执行分析流程，沉淀证据链。两者结合，大幅缩短了“假说—验证”的周期。

未来，这套系统还能对接自动化实验平台。AI 提出假说，模型预测结果，机器人执行湿实验，数据回流更新模型——一条从计算到实验再到认知更新的闭环正在成型。

科研基础设施的时代来了

Karl Workbench 的开放，标志着 AI for Science 正在跨越一个关键门槛：从“辅助工具”走向“科研基础设施”。

过去几年，我们见过太多“AI 写代码”“AI 读论文”的演示，但它们大多停留在单点效率提升。而真正的科研瓶颈，从来不是写不出一段 Seurat 脚本，而是如何在海量可能性中不迷失方向，如何避免重复踩坑，如何让每一次尝试都为下一次铺路。

Karl Workbench 试图解决的，正是这些系统性问题。它不承诺取代科学家，而是帮科学家更好地管理复杂性、积累认知复利。在这个意义上，它更像是一个“研究操作系统”——底层跑的是数据和代码，上层承载的是假说、证据和科学判断。

Beta 版现已开放申请，访问 https://thepopperproject.com/ 即可体验。对于那些每天和单细胞、空间组学数据打交道的实验室来说，这或许是最接近“科研自动驾驶”的一次尝试。