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 Jack Clark 发帖称，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

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。

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。