MIRA 通过递归自训练产出材料基座模型 MPA，在 40 项实验性质预测任务中刷新表现。
原文标题：AGI将至！40项实验全面SOTA，超级递归智能体自主打造最强材料基座模型
原文作者：机器之心
冷月清谈：
MPA 聚焦材料研发中更难预测的实验性质，如沸点、闪点、毒性、溶解度等。文章认为，这类数据稀疏、噪声高、物理机制差异大，单纯堆参数和计算性质数据难以解决。
技术上，MPA 采用三阶段训练框架：基于大规模分子结构的 3D 自监督预训练、与下游目标共享物理机制的中间训练，以及面向具体任务的后训练。MIRA 还引入 Huber 损失、混合读出头、多构象聚合等改进，将物理先验融入模型结构。
实验结果显示，MPA 在 40 个实验性质预测任务中平均 MAE 降低约 10%，最高降幅达 51%；与 Suiren 对比，40 个可比任务中赢下 35 个，并在分布外泛化上表现更稳。文章将其视为 AI 自主改进 AI、推动科研智能体发展的一个重要案例。
怜星夜思：
2、MPA 强调实验性质预测，而不是只看量子化学计算性质。大家觉得这对真实材料研发有多重要？
3、这类“递归自训练”的科研智能体，算不算 AGI 的前兆？还是只是一个更强的自动化工具？
4、文章里提到 MIRA 会根据物理常识清洗异常数据，这种自动清洗会不会也带来新的风险？
原文内容
今年，我们正在打开 AI 自我进化的大门，按下了通往 AGI 的加速键。
我们相信，AI 的自我进化是突破当前 Scaling 瓶颈的关键路径，这一点也是硅谷在去年年末就已经形成的共识。
Anthropic 联合创始人，他认为到 2028 年底，递归自进化（recursive self-improvement）发生的概率有 60%，AI 很快就能自己改造自己了。
而在上周，OpenAI 公开招聘「递归自我改进安全研究员」，年薪开到 44 万美元，目标是寻找「能够支持递归式自我改进准备工作的强大技术执行者」。
而在 AI4S 领域更是不得了，Nature 发表了三篇 AI 科研智能体论文。
Google DeepMind 的 Co-Scientist 在急性髓系白血病药物筛选中命中了 3 个阳性候选分子；FutureHouse 的 Robin 系统自主完成了从假设生成到实验验证的完整闭环；Google 的 ERA 引擎能并行生成数千个代码变体进行计算实验。
AI 智能体自我迭代飞轮的启动，需要智能体自主从代码重构、数据清洗到模型训练，最终独立产出超越人类精心设计的 SOTA 模型。
这第一步已经启动了。就在本周，深度原理团队发布了 Materials Property Axiom （MPA）模型。
这个由深度原理团队自研的 AI Scientist 平台 MIRA ，通过递归自训练产出的材料基座模型，在 40 项实验性质预测任务中全面刷新了 SOTA，平均 MAE 降低 10%，最高降幅达 51%。
研究报告提到，在整个研究流程中，MIRA 承担了关键工作，包括开展初步研究、适配并更新骨干基础模型、自动化训练与评估循环、分析实验结果，并撰写报告初稿。
-
技术报告链接：https://www.deepprinciple.com/papers/mpa.pdf
这或许是「AI for AI」概念迄今为止最具说服力的一次落地。
对于 MPA 性质预测能力和效果感兴趣的话，可以直接上手试一试：https://sciclaw.cn/?invite_code=CN-JJLRHO9U
前 SOTA 的暴力美学
2026 年 3 月，上海科学智能研究院发布了 Suiren-1.0，一个参数量达 1.8B 的分子基座模型家族，一举击败长期霸榜的 UniMol 系列模型。
320 张 NVIDIA H800 GPU、7000 万条量子化学级别的分子构象数据，Suiren 走的是一条典型的「暴力美学」路线。
但 Suiren 有一个结构性盲区。
它的训练数据和优化目标主要围绕计算性质展开，也就是那些可以通过量子化学软件批量算出来的性质。而在实际的材料研发中，决定一个分子能不能用的是实验性质：沸点、闪点、毒性、溶解度等等。
实验性质预测为什么难？实验数据天然稀疏，一次实验可能花几天；噪声大，不同实验室测出来的值可能不同，而且不同性质背后的物理机制完全不同。靠堆数据和堆参数，解决不了这种物理多样性带来的迁移难题。
这正是 MPA 切入的突破口。
递归自训练：MIRA 从自主科研到新 SOTA 的诞生
AutoResearch 架构：从自动化科研开始
MPA 的诞生过程，与传统的「人类设计实验、手动调参、反复试错」模式截然不同。
深度原理团队构建了一套基于 MIRA 的 AutoResearch 架构，仅需人类科学家参与意图说明和阶段性审核，AI 科研智能体即可全自主完成从文献调研、代码实现、数据处理到模型训练的完整科研管线。
具体而言，MIRA 在这套架构中扮演的角色类似于一个全栈科研员：它能够理解研究目标，自主拆解任务，调用计算资源执行实验，分析中间结果并据此调整策略。整个过程形成递归闭环，每一轮迭代的输出成为下一轮的输入，模型性能在自主循环中持续攀升。
这和 Self-Improving Agent 的研究方向不谋而合，但深度原理将其落地到了一个可量化验证的科学问题上。
自主重构：AI 改写 AI 的代码
AI 科研同样需要先动脑子后动手。
举个例子，团队向 MIRA 抛出一个开放性问题：「考虑到目前已经具备 3D 分子结构和实验性质标签，最可行的多性质预测模型是什么？」
MIRA 启动了 brainstorm ，系统性地分析了当时可选的所有路径，认为 UniMol 系列的 3D 预训练编码器是最合理的起点。
MIRA 给出了几条改进路径，最终推荐了保留 UniMol-v2 的 3D Transformer 骨架，增加多构象感知能力和面向实验性质的对齐训练的方案。
这个决策过程完全由 MIRA 自主完成。人类研究员的角色，是提出问题和确认方向。
随后，MIRA 对现有的分子基座模型代码进行自主重构。这个过程包括：识别架构中的冗余模块，重新设计数据流管线以适配三阶段训练框架，以及将预训练、中间训练和后训练三个阶段的接口标准化。重构后的代码库成为 MPA 三阶段训练框架的工程基础。
值得强调的是，这种代码级的自主重构能力，正是 MIRA 区别于任何一个科研工具的关键。它操作的对象不仅是超参数空间，而是整个模型架构和训练管线的源代码。
自主清理：AI 的「科研直觉」
在准备训练数据的过程中，MIRA 展现出了一种接近人类科研直觉的能力：自主发现数据中的系统性问题。
MPA 的下游基准包含 40 个实验性质预测任务，数据来源涵盖 OPERA、Yaws 手册、CRC 化学物理手册、TDC、MoleculeNet 等多个公开数据库。这些数据集由不同团队在不同时期整理，存在单位不一致、重复样本、标签噪声等问题。
MIRA 在数据预处理阶段自主执行了多阶段清洗管线。更关键的是，它能够基于物理常识判断数据的合理性。例如，当某个分子的沸点数据与其分子量和官能团组成明显不匹配时，MIRA 会将其标记为可疑数据点并从训练集中移除。
这种能力在传统流程中需要领域专家花数周人工审查。MIRA 把它变成了自动化流程的一部分。
自主设计：三阶段训练框架的诞生
在完成代码重构和数据清洗后，MIRA 进入了最核心的环节：自主设计和迭代训练策略。
MPA 最终采用的三阶段训练框架（预训练、物理对齐中间训练、下游后训练），其核心设计思想来自一个类比：大语言模型的训练范式。在 LLM 中，广泛的预训练之后是领域对齐的中间训练，最后是任务特定的微调。MIRA 将这一范式迁移到材料基座模型，但做了一个关键的物理学改造：中间训练的监督信号必须与下游目标共享物理机制。
预训练阶段：基于 PubChem-xTB 数据集（约 6400 万分子结构），采用几何恢复的 3D 自监督目标，让模型学习通用的分子空间表征。
物理对齐中间训练：这是 MPA 的核心创新。MIRA 在迭代过程中发现，并非所有辅助任务都能提升下游性能，只有与目标性质共享物理机制的辅助监督才有效。
后训练阶段：MIRA 在迭代中还自主发现了两个关键改进。第一，将 MSE 损失替换为 Huber 损失，在 scaffold split 下带来 2.65% 的 MAE 降低，有效抑制了实验数据中异常值的干扰。第二，设计了混合读出头（hybrid readout），将注意力池化分支与原子加和分支结合。
其中注意力分支提供灵活的非加和分子摘要，适合强度性质；加和分支强制原子级分解，适合广延性质。可学习系数 α 让模型自动适配不同性质的物理结构。
这个设计的精妙之处在于，它将物理先验编码进了模型架构本身。对于热力学量（生成焓、燃烧焓、热容等），加和分支提供了天然匹配的归纳偏置，scaffold split 下 MAE 降低高达 21.38%。对于非加和性质（闪点等），注意力分支则占据主导。
最终战绩
MPA 的最终版本，配合三阶段训练框架（预训练 → 物理对齐的中间训练 → 后训练），成绩单如下：
-
与仅进行预训练的模型结构相比，40 个实验性质中 38 个获得提升，平均误差降低 14.0%
-
热力学性质优势最突出：燃烧焓误差降低 51.1%，吉布斯自由能降低 31.6%
-
与 Suiren 正面对决：40 个可比端点中赢下 35 个，平均误差再降 5.4%
-
分布外泛化鲁棒性最强：面对全新分子骨架时，MPA 的性能退化仅 25.7%，而 Suiren 为 31.8%
最后一点尤其重要。在实际材料发现中，你要预测的往往是从未见过的新分子。MPA 在这种「真正的考试」中表现最稳，这才是它对产业界最有价值的地方。
迭代实录，进化的飞轮已经转动
之前讲的那些干净利落的模型架构和成就全新 SOTA 的实验结果，背后是 MIRA 在一个月时间内尝试的上百轮「假设 → 验证 → 调整」循环。
每一轮，MIRA 根据之前的结果自主决定下一步做什么。上百轮尝试贯穿了数据整合与计算、模型架构调整、训练策略迭代、损失函数设计、超参数优化，以及推理阶段的优化与增强。其中，数据、模型架构、损失函数及推理阶段的的升级成就了 MPA 的 SOTA 表现。
在数据侧，MIRA 做了三次有效的尝试。MIRA 在分析了模型的表现后判断：模型从预训练直接跳到下游微调，中间缺了一层「物理直觉」。为此，MIRA 使用使用 deep research、计算化学相关的技能 ——yamo，最终得到了理论计算的热力学、偶极矩等数据，在此基础上，MIRA 从文献中获取了油水分配系数（logP）数据集，并自主完成了一个关键步骤：将基准测试中出现过的分子从训练集中剔除，以避免数据泄漏风险。在这三次数据叠加中，MPA 实现了 MAE 降低 6.5%、7.5%，最终降低 8.4% 的表现。
到这里，MIRA 做出了一个关键判断：继续堆数据的边际收益在递减，应该转向模型结构的改进。它发现下游微调阶段只用了简单的多层感知机（MLP）做预测头，还有很大的改进空间。
接下来的十几轮迭代中，MIRA 在模型结构方面做了两次有效的尝试，在第一次改进中，MIRA 将 MLP 替换为了多头注意力机制，MAE 又降低了 1.8%。在另一次改进中，MIRA 发现了一个物理层面的规律：40 个实验性质，有一部分具有「广延性」，即性质值随分子大小线性缩放，另一部分则是「强度性质」，和分子大小无关，因此在多头注意力之外，MIRA 增加一条原子级 embedding 经过残差网络后求和的通路。这条通路显式表达了广延性质「各部分之和等于整体」的物理规律。这个发现让 MAE 继续降低至 12.3%。模型学会了「什么性质该用什么物理假设」。
在损失函数和模型推理测，MIRA 在迭代中做了发现了两种有效的策略，一种是将损失函数从 MSE 换成 Smooth L1（Huber 损失），这降低了少数极端值对模型训练的拖累，使得 MPA 在 benchmark 中的 MAE 又降低了 1.3%；一种是在推理阶段加入了多构象信息聚合，这有效的提升了模型在构象相关性质上的表现。最终，MAE 降低至 14.6%。
如果 AI 能在材料科学这样一个高度专业化的领域自主完成从 0 到 SOTA 的全流程，那它在其他科学领域呢？在 AI for AI 本身呢？
MIRA 做的事情，本质上是用 AI 来改进 AI。它重构了一个 AI 模型的代码，优化了这个 AI 模型的训练数据，迭代了这个 AI 模型的训练策略，最终产出了一个更强的 AI 模型。人类在这里的角色已经从「执行者」变成了「目标设定者」，AI 在用 AI 做原料，产出更好的 AI。
一旦这个飞轮转起来，每一圈都比上一圈转得更快。
从 Coding Agent 自动写代码，到 Research Agent 自动做科研，再到 Self-Improving Agent 自动改进自身，AI 智能体的能力边界正在以一种加速度向外扩展。每一次成功的递归迭代，都在缩短我们与 AGI 之间的距离。
递归进化的齿轮已经转动，AGI 可能比我们预想的来得更快。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com