Intology 发布自主科学发现系统 Locus

Intology 的 Yusuf Roohani 团队发布自主科学发现系统 Locus，与 Boltz Bio、Chan Zuckerberg Biohub、Benchling 合作，宣称其自动开发的科学 AI 模型在分子评分与设计相关任务上超越 SOTA 专家方案与 LLM agent 基线，且无需人工即可利用专有数据。Reddit 用户 @explodefuse 也转发了 Locus 在药物发现社区公认的一批「科学机器学习」（Scientific ML）基准任务上的演示。该结果目前为发布方单方面宣称，第三方验证细节有待观察，但其展示的「AI 自主改造科学基础模型」路径值得关注。

已确认

• Locus 可将 Boltz-2 适配到新的化学系列与靶点，并设计利用 ESM 搜索序列空间的抗体工作流。
• 核心思路针对现有基础模型在分布外、小数据、评估昂贵场景下的短板：让系统自主利用专有数据来定制和适配模型，并设计高效搜索模型隐空间的工作流。
• 作者将科学基础模型比作「生物结果的地图」，Locus 的定位是既能改造这些地图、又能在其中搜索的自主系统。
• 作者区分了 Locus 与现有 Agent 的差异：现有 Agent 多通过编排工具提升通量，Locus 则通过自主改造发现循环本身来提升结果质量，以应对噪声评估、昂贵实验和长周期任务中保持不跑偏的挑战。
• 作者认为所选问题对科学领域的 AI 研发具有普遍代表性，涵盖开发定制模型、将基础模型适配到专业场景、设计搜索模型隐空间的工作流三类核心问题。
• 在多个分子打分与设计任务上验证，包括为专有任务训练分子性质预测模型、微调 Boltz-2 等；演示还在药物发现社区的 Scientific ML 基准任务上展示。
• 项目与 Boltz Bio、Chan Zuckerberg Biohub、Benchling 合作，目标是让自主 AI research 直接对接科学应用。

尚未确认

• 「超越专家 SOTA」目前为发布方单方面宣称，测试覆盖范围与第三方验证细节尚待更多材料确认。

为什么重要

• 该工作展示了「AI 自主改造科学基础模型」的路径：模型适配、定制开发与序列设计均由系统自主完成，而非人工编排流水线。
• 作者预期，为计算场景开发的闭环发现平台将越来越多地应用于物理实验，意味着这类系统可能从分子设计走向真实实验室自动化。

2026-11-03 ~ 2026-11-04 · 14 条相关

• Intology 推出 Locus：自动化科研系统在分子设计上超越专家方案 — ChengleiSi · 2026-11-03
• 自主分子发现系统 Locus：让 AI 自己改造科学基础模型 — yusufroohani · 2026-11-04
• 不止编排工具：新系统让 Agent 自主改造科学发现循环本身 — yusufroohani · 2026-11-04
• Locus 系统实证：改写 Boltz-2 适配新化学系列，用 ESM 设计抗体 — yusufroohani · 2026-11-04
• 作者展望：计算场景的闭环发现平台将走向物理实验 — yusufroohani · 2026-11-04
• 【源头】Locus 自主发现系统：让 AI 智能体改造 Boltz-2 并搜索抗体序列空间 — yusufroohani · 2026-11-04
• Locus 团队:分子发现是 AI 科研三类核心问题的代表 — yusufroohani · 2026-11-04
• Locus:不靠 agent 编排工具,而是自主改造发现循环本身 — yusufroohani · 2026-11-04
• Locus 自主发现系统:让科学基础模型既被适配又被搜索 — yusufroohani · 2026-11-04
• Intology 推出 Locus:自动化科研系统让 AI 模型自主适配专有数据 — anshulkundaje · 2026-11-04
• 【源头】Intology 用 Locus 自动化 AI 系统攻克药物发现经典机器学习任务 — explodefuse · 2026-11-04

另有 3 条近重复转述:yusufroohani · anshulkundaje · yusufroohani