ProjectsUnverifiedTranslation pending
Deep Principle发布基于GLM-5.3训练的科研模型Hydrogen-1.0
BIBIBI AT A GLANCE报道称，Deep Principle基于GLM-5.3训练的Hydrogen-1.0在科研测试中获得38.3分。
Article
智谱 GLM-5.3 被科学家拉去实验室特训，科研跑分反超 GPT-6 Astra
动察 Beating AI 快讯，Deep Principle（深度原理）发布科研模型 Hydrogen-1.0，基于智谱 GLM-5.3 训练。在 OpenAI 的 FrontierScience-Research 科研测试中，Hydrogen-1.0 拿下 38.3 分，超过 GPT-6 Astra 的 33.3 分，原版 GLM-5.3 则只有 24.4 分。
它的训练材料很特别。科学论文通常只呈现最终成果，但真正做科研，还得知道实验怎么设计、哪里出了错、下一步该怎么调整。Deep Principle 把自家实验室的完整实验记录，以及一次次尝试和修改的过程，都拿来训练模型。
实际演示中，Hydrogen-1.0 能自己编写代码，调用科研软件模拟塑料分子的运动。中途发现模拟设置出错，它会自行修复，再继续运行和分析结果。另一项演示中，它为 12 组化学反应制定实验方案，还在虚拟实验室发现移液操作漏了更换吸头的步骤，随即修改流程。
团队还让它连续进行五轮新材料筛选。每轮都根据上一轮的评估结果，决定下一轮尝试什么。在寻找具有目标电子性质的金属配合物时，它最终找到的候选材料，在团队设定的指标上超过 GPT-6 Astra 和 Kimi-K3。
模型权重已按 MIT 协议开放，但训练所用的实验室数据没有公开。
Source: https://m.theblockbeats.info/flash/375225
AI-assisted interpretation
The following is analysis, separate from reported facts. Verify important claims independently.
这篇快讯称，Hydrogen-1.0不只学习论文中的最终结果，还学习实验记录里的尝试、错误和修改过程。报道展示了它编写代码、调用科研软件、修正流程以及多轮筛选材料的能力。
Why it matters to readers
如果报道中的测试和演示能够复现，这说明包含实验过程与失败记录的训练材料，可能有助于模型处理需要多轮调整的科研任务。
新手可以把它理解为一个面向科研流程训练的模型；目前公开信息主要是分数和演示描述，不能仅凭单次测试判断整体能力。
Risks and unknowns
- 原文未提供Deep Principle的一手技术报告或模型仓库地址。
- FrontierScience-Research的具体评测规则、成绩来源和可复现条件未在证据中说明。
- 演示结果及与GPT-6 Astra、Kimi-K3的比较尚无独立验证信息。
- 训练所用实验室数据没有公开，外部无法据此复现训练过程。
- 证据未说明MIT协议开放权重的具体范围和附加条件。
