北京
AIPOCH Open‑Science 把 AI 代理和数据库塞进了同一个平台。目标人群写得很明确：跨学科研究者、学生，还有科学爱好者。它想解决的不是"能不能问 AI"，而是研究过程能不能摊开给人看。
平台内置的数据库覆盖文献、基因组、化学和临床试验四类。做研究的人都知道，这几类数据平时散在不同站点，光是找齐、对齐格式就要耗掉不少时间。AIPOCH 的做法是把它们和 AI 代理放在一起，让检索、分析、调用在同一条流程里完成。
它公布了一个数字：79.05%。这是内部测试的成功率，测试对象是 BiomniBench‑DA 的 50 项公开任务，跑的是全流程生物医学数据分析。底层模型用的是 GPT‑5.6 Sol。
拆开看这个基准的构成：
- 任务数量：50 项，全部公开
- 任务类型：生物医学数据分析全流程
- 底层模型：GPT‑5.6 Sol
- 公布成绩：79.05% 成功率
79.05% 这个数字放在生物医学数据分析场景里，意味着还有约两成的任务没能跑通。平台没有说明失败任务的分布，也没有给出与其他系统的横向对比。单看一个内部基准成绩，能确认的是它在公开任务集上跑出了这个结果，不能确认的是它在真实研究场景里的表现。
值得留意的是"全流程"这三个字。生物医学数据分析通常包含数据清洗、统计检验、结果解释等多个环节，任何一环出错都会让整条链路失败。50 项任务覆盖全流程，说明测试的不是单点能力，而是端到端的执行。
平台还提到一点：鼓励用户在 GitHub 上给仓库点星。这个动作透露出它的定位——开源项目，靠社区反馈迭代。对跨学科研究者来说，能直接看到代理怎么调数据、怎么出结论，比一个黑箱给出答案更有价值。
目前公开的信息集中在平台能力和基准成绩上。数据库的具体规模、代理的调用方式、是否支持自定义数据源，这些还没有展开。对想上手的人来说，GitHub 仓库是第一个该去的地方。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
