Adaption推出AutoScientist工具，实现AI模型自动化快速适应

2026年5月13日，AI初创公司Adaption正式推出AutoScientist工具，该工具以自动化微调为核心，可实现AI模型的自主学习与快速适应，无需大量人工干预，大幅降低前沿AI模型定制化门槛，为企业及科研机构的AI应用提供新助力[1][6]。 据悉，AutoScientist由Adaption联合创始人、前Cohere人工智能研究副总裁Sara Hooker主导研发，依托公司现有自适应数据产品构建，核心优势在于实现数据与模型架构的协同优化，让AI模型能够高效掌握新能力并持续迭代[4][6]。与传统AI微调流程不同，该工具可自动完成从数据准备、训练策略选择到超参数调整的全流程，通过反馈循环让模型自我评估、迭代优化[3]。 Adaption方面表示，AutoScientist可适配各类前沿基础模型，无需用户具备深厚的技术专业知识，只需明确目标任务，即可启动自动化微调流程。该工具已实现显著成效，内部评估显示，其将AI模型的胜率从48%提升至64%，实现35%的性能提升，不过由于其聚焦特定任务适配，传统基准测试难以适用[4][8]。 作为针对性解决AI模型定制化瓶颈的工具，AutoScientist精准契合当下行业需求——当前AI模型微调多依赖专业数据科学家手动操作，流程繁琐且成本高昂，而该工具可有效减少人力投入，尤其适合金融、医疗、物流等需要定制化AI模型但数据科学资源有限的行业[3]。目前，Adaption推出首月免费试用活动，以鼓励更多用户体验[1][6]。 业内人士分析，AutoScientist的推出，标志着AI模型训练正从“人工主导”向“自动化协同”转型，其数据与模型协同优化的思路，打破了传统线性微调模式的局限[5]。尽管该工具仍存在训练数据偏见可能导致异常结果的隐患，且未公开详细安全防护细节，但仍有望推动前沿AI技术走出专业实验室，实现更广泛的落地应用