Anthropic 联手艾伦研究所与霍华德·休斯医学研究所

深度Anthropic2026年2月1日3 分钟阅读
Anthropic 联手艾伦研究所与霍华德·休斯医学研究所
Anthropic 宣布与艾伦研究所和霍华德·休斯医学研究所建立旗舰合作伙伴关系,旨在将 Claude 的能力扩展到前沿科学研究。这些合作将开发专门的人工智能智能体(Agent),帮助科学家更有效地处理海量生物数据。

现代生物学研究以前所未有的规模生成数据——从单细胞测序到全脑连接组学——但将这些数据转化为经过验证的生物学洞见仍然是一个根本瓶颈。知识综合、假设生成和实验解释仍然依赖于手动过程,无法跟上数据产生的速度。

今天,Anthropic 宣布了两项旨在缩小这一差距的旗舰合作伙伴关系。艾伦研究所和**霍华德·休斯医学研究所**(HHMI)将作为生命科学领域的创始合作伙伴,将 Claude 的能力扩展到前沿科学研究,使科学家团队能够更有效地合作并应对雄心勃勃的科学挑战。每项合作都将 Anthropic 在基础模型、智能体系统(Agentic Systems)和可解释性方面的专业知识与世界级研究机构结合起来,解决生物学和生物医学科学中不同但互补的问题。这些合作将 Claude 置于科学实验的中心,并为科学家积极使用 Claude 来规划和执行实验奠定基础。

两项合作都致力于透明度和进步,以帮助更广泛的科学界在许多科学领域严格部署人工智能工具。科学人工智能系统不仅必须产生准确的预测,还必须提供研究人员可以评估、追踪和构建的推理。这些合作将 Claude 定位为一种增强而非取代人类科学判断的工具——确保人工智能生成的见解基于证据,并对使用它们的科学家来说是可理解的。

霍华德·休斯医学研究所:构建人工智能驱动的科学发现基础设施

HHMI 将与 Anthropic 合作,作为该研究所AI@HHMI倡议的一部分,加速生物科学领域的发现。合作以 HHMI 的 Janelia 研究园区为基础,该园区二十年来一直在开发变革性技术——从基因编码的钙传感器到为理解大脑结构而设计的电子显微镜。这一基础独特地定位了 HHMI,以帮助塑造人工智能系统如何参与和增强研究过程。

与 Anthropic 的合作将涉及在人工智能模型的部署和持续开发方面进行密切协作,确保人工智能工具根据真实的实验需求直接演进。自 2024 年宣布 AI@HHMI 以来,HHMI 已经启动了多个项目,旨在利用人工智能工具解决长期存在的科学问题,范围从计算蛋白质设计到认知的神经机制。与 Anthropic 的合作将专注于开发用于实验室内部的专门人工智能智能体(Agent)。这些智能体将作为实验知识的综合来源,与尖端的科学仪器和分析流程集成,以加速发现的步伐。

艾伦研究所:用于机制发现的多智能体系统

艾伦研究所将与 Anthropic 合作,开发用于多模态数据分析和探索的多智能体人工智能系统,覆盖该研究所的科学重点领域。这项工作将探索如何协调多个专门的人工智能智能体——用于多组学数据整合、知识图谱管理、时间动态建模和实验设计——以支持科学研究的完整弧线。

这项合作将探索智能体人工智能系统如何将数月的手动分析压缩到数小时,同时揭示人类研究人员可能错过的模式。这些系统旨在放大科学直觉而非取代它,让研究人员控制科学方向,同时处理计算复杂性。

对 Anthropic 而言,这项合作提供了来自真实科学使用的深入反馈,涉及日常工作流,其中可靠性和判断至关重要。与艾伦研究所合作有助于发现可用性差距和故障模式,这些在更受控的环境中不会出现。

展望未来

这些合作伙伴关系将为Claude 的生命科学能力的更广泛开发提供信息,生成关于人工智能系统如何最有效地支持不同研究背景下的科学工作流的见解。Anthropic 致力于负责任的发展,优先考虑科学严谨性、可解释性和研究人员自主性。

相关内容

Anthropic 向 Claude 合作伙伴网络投资 1 亿美元

我们正在启动 Claude 合作伙伴网络,这是一个帮助企业采用 Claude 的合作伙伴组织计划。

阅读更多

介绍 Anthropic 研究所

我们正在启动 Anthropic 研究所,这是一项新的努力,旨在应对强大人工智能将给我们社会带来的最重大挑战。

阅读更多

悉尼将成为 Anthropic 在亚太地区的第四个办公室

阅读更多

觉得有用?分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察,每周更新。

相关文章

Simon Willison 正在重构 LLM Python 库的抽象层,以支持服务器端工具执行等新功能。他利用 Claude Code 分析了四大 LLM 提供商的客户端库,生成了用于测试的 curl 命令和 JSON 输出。这些调研材料已开源,旨在帮助设计更通用的 API 抽象。

深度Simon Willison·4月5日·1 分钟

智能体技能——包含程序性知识和可执行资源的结构化包,供智能体在推理时动态加载——已成为增强 LLM 智能体的可靠机制。然而,推理时技能增强存在根本性限制:检索噪声引入无关指导,注入的技能内容带来大量 token 开销,而模型从未真正习得它所遵循的知识。我们提出一个问题:技能是否可以被内化到模型参数中,使其在无需任何运行时技能检索的情况下实现零样本自主行为?我们提出 Skill0,一个专为技能内化设计的上下文强化学习框架。Skill0 引入了一种训练时课程,从提供完整技能上下文开始,逐步撤除。技能按类别离线分组,并与交互历史一起渲染为紧凑的视觉上下文,教授模型工具调用和多轮任务完成。动态课程机制…

深度·4月5日·17 分钟

评论