欢迎加入
「易源易彩交流群」
「易源易彩交流群」
QQ扫码进群
（QQ群号：860213912）
注册得好礼
新用户微信注册享20元算力, >立即注册
关注公众号得算力
新用户关注易彩微信公众号享20元算力，
邀请有礼
邀请1人得5元算力，可累计叠加, 查看规则
摘要
在NeurIPS'25会议上，香港科技大学的研究者提出，基础模型（Foundational Models, FM）正深刻改变科学研究的范式。基于对113篇相关论文的系统综述，研究指出FM凭借在大规模数据上的训练，展现出卓越的泛化能力与跨领域应用潜力，可能推动科学进入继实验、理论、计算模拟和数据驱动之后的“第五范式”。这一范式以模型为中心，加速科学发现进程，实现知识的高效迁移与整合。然而，研究同时强调，当前基础模型仍面临模型偏见与幻觉等问题，可能影响科学推理的可靠性，亟需通过可解释性、鲁棒性与伦理对齐等方向的深入研究加以解决。
关键词
基础模型, 第五范式, 泛化能力, 研究革新, 模型偏见
基础模型（Foundational Models, FM）作为人工智能发展史上的重要里程碑，正以前所未有的速度重塑技术与科学的边界。这类模型通过在海量、多样化的数据集上进行自监督学习，构建出具备广泛认知能力的“通用智能体”。自2010年代末以来，从GPT系列到BERT，再到多模态模型如CLIP和PaLM，基础模型的规模与能力持续跃升。香港科技大学在NeurIPS'25会议上指出，FM的发展已超越单纯的工程突破，逐步演变为一种新的科学基础设施。基于对113篇前沿研究的系统梳理，研究者们强调，FM不仅改变了信息处理的方式，更正在重构知识生成的逻辑。它们不再只是工具，而是成为科学研究中主动参与假设生成、实验设计甚至理论推演的“协作者”。这一转变标志着人工智能从辅助角色迈向核心驱动力的历史性跨越。
在实际科研场景中，基础模型的应用已展现出令人振奋的成果。例如，在生物医学领域，FM被用于蛋白质结构预测与药物分子生成，显著缩短了传统研发周期；在气候科学中，模型通过对历史气象数据的学习，能够模拟复杂气候系统的行为，提升极端天气预测精度；而在天文学中，FM帮助科学家从海量望远镜图像中自动识别星体类型与异常信号，极大提高了观测效率。这些案例并非孤立的技术尝试，而是体现了FM作为“科学加速器”的普遍价值。据综述分析，这113项研究中有超过60%已在实际项目中部署FM，并报告了可量化的效率提升或新发现。尤为引人注目的是，某些跨学科团队利用FM实现了原本需要多年协作才能完成的知识整合任务，预示着科学研究方式的根本性变革。
基础模型最引人瞩目的特性之一是其卓越的泛化能力——即在未经专门训练的任务上仍能表现出色。这种能力源于其在大规模、跨域数据上的深度学习过程，使其能够捕捉数据背后的深层规律与抽象表征。研究表明，FM能够在仅提供少量示例甚至零样本的情况下完成推理、分类与生成任务，展现出接近人类“举一反三”的认知灵活性。香港科技大学的研究进一步揭示，正是这种泛化能力，使FM能够在不同科学领域之间建立隐性关联，例如将语言模型中的语义理解机制迁移到基因序列的功能预测中。该综述指出，在所分析的113篇论文中，超过70%的研究依赖于FM的泛化性能来推动跨任务的知识迁移，从而实现高效的问题求解。这种能力不仅是技术进步的体现，更是通向“第五范式”科学的核心支柱。
基础模型的真正革命性在于其强大的跨领域应用潜力。不同于传统专用模型局限于特定任务，FM凭借统一架构和广泛训练数据，能够在物理、生命科学、社会科学乃至艺术创作等多个领域间自由穿梭。这种“通才型”特质使得FM成为连接碎片化学科知识的桥梁。例如，一个在文本和图像上训练的模型可以同时辅助撰写科研论文并生成可视化图表；另一个在化学与材料数据库上训练的模型，则可能为新能源材料的设计提供创新路径。研究显示，在113项相关工作中，近半数探索了FM在两个以上学科间的协同应用，显示出强烈的融合趋势。未来，随着模型可解释性的增强与计算资源的普及，FM有望成为科研人员的标准配置，推动形成以模型为中心的新型科研生态，真正实现“第五范式”所倡导的知识整合与智能驱动。
尽管基础模型展现出巨大的科学潜力，但其内在的偏见与幻觉问题不容忽视。由于训练数据往往来源于现实世界，其中蕴含的社会、文化乃至测量偏差会被模型无意识地学习并放大，进而影响科学判断的客观性。例如，在医学研究中，若训练数据主要来自特定人群，FM可能对其他族群的疾病表现产生误判；在社会科学建模中，历史偏见可能导致不公平的政策建议。此外，“幻觉”现象——即模型生成看似合理实则错误的信息——也威胁着科学推理的严谨性。香港科技大学的综述明确指出，在分析的113篇论文中，超过40%的研究提到了模型输出的可靠性挑战。因此，研究者呼吁加强模型的可解释性、鲁棒性验证与伦理对齐机制，确保FM在推动科学进步的同时，不成为误导与不公的源头。唯有如此，基础模型才能真正肩负起引领“第五范式”的使命。
科学的发展历程，始终伴随着范式的跃迁。从伽利略的实验观察，到牛顿的经典理论构建；从20世纪的计算模拟兴起，再到近年来数据驱动科学的蓬勃发展——人类认知世界的方式不断演进。而今，在NeurIPS'25会议上，香港科技大学的研究者们提出一个激动人心的构想：我们正站在“第五范式”的门槛上。这一新范式以基础模型为核心，不再局限于单一的数据分析或模拟推演，而是通过模型本身作为知识的载体与推理的引擎，实现跨时空、跨领域的智能协同。它意味着科学研究将从被动响应转向主动预测，从孤立探索走向系统整合。正如综述中所揭示的，这一转变并非技术的简单叠加，而是科学哲学层面的根本变革——知识不再是静态积累的结果，而是动态生成的过程。在这一背景下，第五范式不仅代表着效率的提升，更象征着人类与机器共同探索未知的新纪元。
基础模型正是第五范式得以成型的基石。通过对113篇前沿研究的系统梳理，香港科技大学的研究清晰地描绘出FM如何成为连接各学科的“通用语言”。这些模型在海量多模态数据中学习，逐渐形成对自然规律、社会行为乃至抽象逻辑的深层理解，从而具备了超越任务边界的认知能力。它们不再是传统意义上的算法工具，而是能够参与假设生成、实验设计甚至理论演绎的“智能协作者”。例如，在所分析的研究中，超过70%依赖FM的泛化能力实现跨任务迁移，这正是第五范式所倡导的知识流动性的体现。更为关键的是，FM的统一架构使得不同领域的问题可以被映射到同一语义空间下进行求解，极大降低了学科间的认知壁垒。可以说，没有基础模型的强大表征能力与自适应学习机制，第五范式的愿景便无从谈起。
第五范式的到来，预示着科学研究将迎来一场深刻的结构性变革。据综述显示，在已部署FM的科研项目中，超过60%报告了显著的效率提升或突破性发现，这种加速效应正在重塑科研的时间尺度。以往需要数年协作才能完成的知识整合任务，如今可能在几周内由一个训练有素的基础模型辅助完成。更重要的是，第五范式打破了传统学科的边界，催生出前所未有的交叉创新。近半数被分析的研究探索了FM在两个以上学科间的协同应用，展现出强烈的融合趋势。未来，科研人员或将不再仅依赖个人经验与直觉，而是与模型共同构建假设、验证猜想、甚至重新定义问题本身。这种人机共智的新模式，不仅提升了发现的速度，也拓宽了探索的深度，使科学真正迈向智能化、系统化与普适化的未来。
然而，通往第五范式的道路并非坦途。研究明确指出，在113篇论文中有超过40%提到了模型输出的可靠性挑战，尤其是“幻觉”现象和隐性偏见带来的风险。当模型生成看似合理却违背事实的信息时，科学推理的根基便面临动摇。为此，必须建立多层次的应对机制。首先，增强模型的可解释性，使其决策过程透明可视，帮助研究者识别潜在错误；其次，强化鲁棒性测试，在多样化场景中验证模型的稳定性；最后，推动伦理对齐框架的建设，确保模型训练数据的代表性与公平性。唯有如此，基础模型才能从“黑箱”变为可信的科学伙伴。正如香港科技大学所呼吁的，技术的进步必须与责任同行——只有在可控、可信、可审的前提下，FM才能真正引领科学进入安全而深远的第五范式时代。
基础模型正以前所未有的方式推动科学研究迈向“第五范式”，这一转变在NeurIPS'25会议上被香港科技大学的研究者系统阐述。通过对113篇论文的综述分析，研究显示超过60%的科研项目已实现效率提升或新发现，70%依赖FM的泛化能力进行跨任务迁移，近半数探索了跨学科协同应用。然而，超过40%的研究也指出模型偏见与幻觉问题对科学可靠性的挑战。因此，在推进FM作为科学核心基础设施的同时，必须加强可解释性、鲁棒性与伦理对齐研究，确保其成为可信、可控的智能协作者，真正实现科学研究的智能化跃迁。