TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
免費科研工作區 ScienceBuddy，開放 GPT-6 讓代理從糾正中改進
PhAI Labs 的科研代理工作區 ScienceBuddy 在 X 宣布免費使用 GPT-6 並整合 JEV framework。產品 9 月 16 日上線、需申請存取；技術報告攤開雙層自我改進的三組基準數字，但實驗使用模擬研究者回饋，免費額度與 JEV 角色截至 9 月 24 日尚無文件說明。
用 AI 摘要這篇文章：
9 月 23 日晚間 10 點 46 分（台北時間），AI 研究機構 PhAI Labs 在 X 上發布一則 33 秒的宣傳影片，宣布旗下的科研代理工作區 ScienceBuddy 可以免費使用 GPT-6。貼文寫得相當精簡：免費、GPU 加速、整合 JEV framework，然後用兩行文字交代「雙層自我改進」的內層與外層。額度、期限、型號一概未提，JEV 是什麼也沒有交代。
這則宣布背後其實有一套可以核對的東西。ScienceBuddy 的技術報告 9 月 15 日登上 arXiv，產品 9 月 16 日上線，GitHub 上的實驗程式碼以 MIT 授權公開。論文裡的雙層自我改進有機制、有三組各附實驗條件的數字，repo 裡有可以下載重跑的簡化版本。與此同時，最吸引人的幾個宣稱，包含免費 GPT-6 的細節、JEV 的角色、宣傳影片裡在真實實驗中測試假說的字句，在公開資料裡都找不到對應的文件。
把這兩層分開讀，是判斷現在要不要申請試用的前提。
一行貼文撐起的宣布，細節全部留在帳外
先看時間軸。PhAI Labs 的 X 帳號 9 月 5 日才建立，9 月 15 日提出 DFM 範式的研究文章與 ScienceBuddy 技術報告，9 月 16 日開放產品入口，9 月 17 日與 18 日接連發布 ScienceIDE 與 JEPA-Anything 兩個兄弟專案，9 月 23 日再宣布免費 GPT-6。整個系列在 18 天內密集出貨，節奏更像一場有計畫的發布，而不是單一事件的意外走紅。
那則貼文看得到的全文裡，關鍵句是「Use GPT-6 in ScienceBuddy at no cost」與「fused with the JEV framework」。至於兩層循環的說明，貼文在外層循環的地方被截斷，只留下串文的符號與影片連結，外層循環的具體說明沒有出現在這則貼文裡。宣傳影片則是一支概念片：研究者在筆電上輸入「為什麼有些腫瘤細胞能在化療後存活」，畫面依序出現查詢、實驗、藥物設計的意象，結尾是 PhAI Labs 的標誌。整支影片沒有出現任何模型名稱，也沒有展示實際的產品畫面。
截至 9 月 24 日，這則貼文拿到約一千個讚。免費的消息是真的，但「免費」三個字承載的資訊量，就只有貼文上那一句。
雙層自我改進：先修工作手冊，再訓練模型
ScienceBuddy 的核心想法，是把代理的進步拆成兩個互相銜接的循環，論文稱為 recursive-in-recursive self-improvement。理解它可以用一本工作手冊來類比：代理做事時遵循的檢查順序、工具用法與回答格式，都寫在這本手冊裡。
內層循環改的是手冊。模型本身不動，系統收集任務互動與回饋，讓一顆輔助模型審視最近的執行軌跡，提出手冊的修改版本，再拿固定的驗證任務比較改前改後的表現，留下比較好的版本。外層循環改的是模型。手冊選定後，讓模型照著它反覆執行任務，用強化學習依照評分規則更新參數，訓好的模型再進入下一輪手冊修改。論文跑了三輪這樣的交替。
實驗裡的三顆模型各司其職，這個分工值得記住。真正執行科學任務的是 Qwen3.5-4B，一顆 4B 參數的小模型；模擬研究者回饋與解讀回饋的是 Qwen3.8-27B；提出手冊修改建議的則是 GPT-6 Astra。也就是說，論文裡的 GPT-6 是躲在幕後當編輯，真正上場答題的是一顆小模型。這與貼文宣傳的「免費用 GPT-6」是兩件事：論文的實驗設定，無法用來推論產品裡每次對話都由 GPT-6 執行。
工作區本身的規格也攤在論文裡：224 個工具分布在 22 個功能模組，涵蓋基因體學、分子與癌症生物學、藥理學、生物影像、文獻檢索與資料庫查詢，執行環境支援 Python、R 與 Bash。目前工具與資料集中在生醫領域，其他科學領域的輸入與文件流程可以處理，但專業工具還沒有跟上。
互動的設計把「檢查」放進介面。README 描述的使用方式是四個面板分工：Chat 放對話，Compute 顯示執行活動，Results 收產出檔案，Trajectory 記錄完整的事件序列，包含每次工具呼叫的輸入、輸出與產生的檔案。研究者可以在對話裡追加一張圖、縮小範圍或要求換一種比較方式，任務的前後文會保留下來。論文開頭引用了 Silver 與 Sutton 的句子，代理將住在經驗的溪流裡，而非互動的碎片中，這個工作區就是這句話的產品化嘗試。
三組改善數字，各自量的是不同的東西
論文給出三組常被引用的數字，它們來自三個不同設定的實驗，不能放在一起比大小。
| 數字 | 實驗條件 | 量的是什麼 |
|---|---|---|
| 31.1% 升到 51.1% | 固定模型，只改工作手冊 | 手冊修改在驗證集上的效益 |
| 48.3% 升到 67.8% | 固定工作手冊，用強化學習訓練模型 | 四次作答內至少答對一題的涵蓋率（pass@4） |
| 42.2% 升到 73.3% | 三輪手冊與模型交替改進後 | 保留測試題的單次作答正確率 |
第三組數字的細節最有參考價值。三輪交替改進後，系統在保留測試題上的單次作答正確率從 42.2% 提高到 73.3%，其中 33.3% 的題目從答錯翻轉為答對，同時有 2.2% 的題目從答對翻成答錯。拆到每一輪看，手冊修改把各自的驗證正確率從 38.9% 推到 44.4%、34.4% 推到 46.7%、61.1% 推到 70.0%，訓練獎勵在三輪的中後段也同步上升，兩個循環各自都有進帳。改善集中在 LAB-Bench 與 Biomni-Eval1 兩套基準的四個任務家族：文獻閱讀、資料庫判斷、實驗流程除錯、基因與變異評估。這些是固定的基準題目，量的是特定題型上的表現，換算成「研究結論更可信」還有一段距離。
另外要留意版本差異。GitHub repo 目前維護的實驗配置與論文案例圖並不同步：repo 用的是凍結的 715 題訓練、90 題驗證、90 題測試切分，每個手冊階段三個步驟、每個強化學習階段 30 次 GRPO 更新；論文圖表記載的則是每輪十個手冊步驟加二十次更新。README 明言，回報這個實驗必須使用現行配置，不能拿論文早期的案例圖替代。重現論文數字之前，先對齊自己跑的是哪一套。
測出數字的回饋，多半是模擬出來的
模擬回饋這件事，最容易在轉述中流失，也最影響解讀。
宣傳影片裡出現「Tests them in real experiments」的字句，產品定位也強調與研究者的持續協作。但論文與 README 都明確寫著，基準實驗使用的是有界的、驗證器輔助的模擬回饋，與研究者的工作區展示是分開的兩回事。實驗裡的「研究者」由 Qwen3.8-27B 模擬，288 場調整對話分批餵入手冊修改流程。真正由研究者本人參與的互動，論文記錄了兩個質性案例。
案例的內容倒是具體。一個是 JAK1 研究：研究者要求用公開的單細胞轉錄體資料與 IMpower133 臨床試驗的 bulk RNA 資料，設計一個關於 JAK1、免疫治療成效與免疫微環境的小細胞肺癌研究。系統組出了一份區分治療效果調節與預後的計畫，把 Seurat 與 Scanpy 分給單細胞分析、UCell 與 AUCell 分給簽名評分、CellChat 與 NicheNet 留給後續的細胞通訊分析。另一個是 ARL4C 研究：研究者要求把一篇論文的背景與結果整理成簡報，指定的輸出包含面板選擇、結論、機制示意圖與講稿，系統用 Python 搭配 PyPDF2 從正文與圖說裡把證據連回主張。
兩個案例展示的是「研究者可以追問與修正」的工作方式，沒有量化比較，也沒有臨床或濕實驗室驗證。把模擬回饋測出的基準數字、兩個質性案例、宣傳影片的實驗意象三件事分開陳述，是這份技術報告誠實讀法的基本功。這份報告的出處也值得記住：PhAI Labs Technical Report 編號 PHAI-TR-2026-02，是機構自行發布的版本，尚未經過同儕審查。
開源的是實驗程式碼，產品本身不在裡面
GitHub 上的 Gen-Verse/ScienceBuddy（截至 9 月 24 日約 90 顆星）走 MIT 授權，內容分成兩塊：給研究者看的工作區介紹、展示影片與範例流程，以及名為 Simple-SciBuddy 的簡化代理實作，後者包含實驗用的手冊程式、執行代理、驗證器與 SkyRL 轉接器，整個訓練管線建立在開源專案 SkyRL 之上，並保留一個釘選的未修改上游子模組。
repo 的授權涵蓋範圍有明確邊界： hosted 工作區的前端、帳號系統與產品 API 服務都不在公開範圍裡。想在自家機器重現完整的 ScienceBuddy 服務，現有素材做不到；想重跑簡化版的自我改進實驗，素材是齊的。
作者名單同樣耐人尋味。13 位作者掛了 9 個隸屬單位：PhAI Labs 之外，包含復旦大學附屬中山醫院的肝膽外科與移植部門及肝癌研究所、遺傳與發育複雜表型國家重點實驗室、復旦大學、上海自然科學院、順為資本，以及牛津、史丹佛與普林斯頓大學。創投機構出現在作者隸屬裡並不常見，配合 X 帳號 9 月初才建立的事實，這是一家資金與學術背景都不缺、但公開歷史很短的機構。
免費的邊界：額度、期限、JEV 都是未揭露事項
回到新聞本體。想要試用的人，實際會碰到幾道牆。
產品入口 science-buddy.io 目前是登入頁，版本號 V0.6.0-agent，沒有帳號的人要按「Request access」申請。也就是說，免費 GPT-6 的消息發布當下，一般訪客連工作區都還進不去。免費的額度上限、使用期限、GPT-6 的具體型號，在貼文、官網公告、論文與產品頁都沒有交代；登入前的頁面原始碼與公開 JS 檔裡，找不到 GPT-6 或 JEV 的字樣，也看不到任何模型清單。
JEV 的情況更空白。貼文寫「fused with the JEV framework」，但論文裡沒有 JEV 這個詞，官網公告與產品頁也沒有。名稱相同的 Jev 模型，本站先前介紹過 TypeSafe 推出的版本，兩者是否為同一事物，現有資料無法確認。在官方補上文件之前，這四個字母只能當成待驗證的行銷詞。
資料治理是另一個空白。工作區的設計鼓勵上傳論文、資料與圖表，並累積互動紀錄，但截至 9 月 24 日，官方公告、論文與登入頁都沒有提供上傳資料如何保存、使用或刪除的說明，也沒有看到獨立的隱私條款頁面。涉及病歷、個人資料、未公開研究結果或商業機密的材料，在條款補齊之前都該先留在自己手裡。介面語言提供英文與中文兩種，中文版的介面字串是簡體中文，還沒有繁體選項。
先當可核對軌跡的研究助理，敏感資料留在手裡
綜合以上，現階段比較務實的用法，是把它當成一個可以檢查執行過程的研究助理來試：拿公開論文或低敏感度資料跑一個小任務，例如整理證據表、建立資料摘要，或者請它提出一份分析計畫，然後用自己已知答案的題目驗證它的表現，保留原始資料、引用與程式輸出以便核對。研究設計、資料品質與結論，仍然需要領域專家把關。
幾個值得持續追蹤的驗收點：免費 GPT-6 的額度與期限何時寫成文件、JEV 的角色何時獲得說明、隱私條款何時補上，以及這套雙層自我改進有沒有機會在模擬回饋之外，拿到真實研究者參與的量化證據。這幾項一旦更新，判斷就值得重做一次。
同場加映的參考讀物：想理解「從錯誤中學習」在其他代理產品的落地，可以看 Perplexity 把使用者修正變成訓練訊號的做法；想看遞迴自我改進的其他路線，Google DeepMind 的 Dream-RSI 與 智譜的基礎設施代理報告 是兩個對照組；JEV 一詞的來龍去脈，可以先讀 TypeSafe Jev 模型的介紹。
