Faraday

Faraday官网

Faraday 是由伦敦 AI 实验室 Inherent 推出的 AI 科学家智能体，能够在不预先告知答案的情况下，自主阅读已发表科学论文、设计实验并复现研究结果。Faraday 基于仅 270 亿参数的 Qwen 3.6 模型构建，通过强化学习训练培养”研究品味”，在论文复现基准 Replica 上的表现超越了参数规模大一个数量级的 Claude Opus 4.8 和 GPT-5.5。Inherent 由多位谷歌 DeepMind 前员工联合创立，已完成 5000 万美元种子轮融资。Faraday 的设计哲学是将科学决策与代码实现解耦——它负责论文理解和实验设计，编码任务则调用外部编程智能体完成。

Faraday的主要功能：

1. 自主论文复现：阅读被遮盖结果图表的学术论文，在不预先知道答案的情况下推断实验方法，在 60 分钟有限 GPU 资源内自主设计并执行复现实验；
2. 科学实验设计：面对无法全规模复现的实验，Faraday 能按比例缩小实验方案，同时忠实于原论文核心主张，展现”研究品味”；
3. 工具调用编程（CAT 架构）：采用 Coding Agent as Tool 范式，Faraday 负责高层科学决策，通过 shell 工具调用 GPT-5.5 Codex 执行代码编写与调试；
4. 跨领域泛化：在机器学习论文上训练，在 AI for Science 论文上测试仍保持 60% 以上任务胜率，具备跨科学领域的迁移能力；
5. Rubric-based Judge 奖励系统：由 Claude Opus 4.7 为每个任务自动生成专属评分标准，从视觉匹配、科学主张支持、实验忠实度等五个维度评估复现质量。

如何使用Faraday？

使用流程如下：

1. 访问 Inherent Labs 官方研究页面（inherentlabs.ai/research），阅读 Faraday 技术论文了解能力边界；
2. 查阅 Replica 基准数据集，了解支持的论文复现任务范围（涵盖 100 篇 1990-2026 年知名论文，共 310 个复现任务）；
3. Faraday 目前处于研究发布阶段，尚未推出面向公众的 API 或产品界面，可通过 arXiv 论文了解技术细节；
4. 研究机构可通过 Inherent Labs 官方渠道联系合作，参与 Faraday 的试点研究计划；
5. 持续关注 Inherent Labs 官方动态，等待后续产品化发布。

Faraday的使用场景：

1. 学术论文复现验证：科研机构用 Faraday 批量验证已发表论文的可复现性，解决机器学习领域的”复现危机”；
2. 博士生科研训练：作为虚拟研究助手，帮助博士生通过复现经典论文来培养实验设计与科学品味；
3. AI for Science 实验验证：在材料科学、气象预测、生物信息学等领域，自动复现跨学科论文中的实验结果；
4. 研究基准测试：为 AI 科学家智能体提供标准化的 Replica 评估框架，衡量不同模型在科研任务上的能力；
5. 期刊审稿辅助：期刊审稿人或基金评审机构用 Faraday 快速检验投稿论文中实验结果的真实性与可复现性。

Faraday的常见问题解答：

Faraday 现在可以用吗？

Faraday 目前处于研究发布阶段，尚未推出面向公众的 API 或产品界面。论文和 Replica 基准已公开，模型未开源。

Faraday 为什么用小模型而非大模型？

Inherent 通过强化学习后训练赋予 270 亿参数模型科学决策能力，将代码实现交由外部编程智能体完成，验证了科学智能与工程智能可以解耦，小模型在特定任务上可超越大模型。

Faraday 能发现新的科学知识吗？

目前 Faraday 专注论文复现（验证已有结论），发现全新科学知识是 Inherent 的长期目标。当前阶段的成果是构建 AI 科学家的起点。

Faraday官网网址：

Faraday官网入口网址：https://inherentlabs.ai/research

arXiv 技术论文：https://arxiv.org/pdf/2608.13331

OpenI AI时代点评

Faraday 代表了 AI 在科学研究领域的一个重要探索方向。用 270 亿参数的小模型在论文复现任务上超越 GPT-5.5 和 Claude Opus 4.8，其意义不仅在于性能对比本身，更在于验证了”科学智能与工程智能解耦”这一架构假设——通过强化学习培养科学决策能力，而非简单堆叠模型规模。CAT（Coding Agent as Tool）架构让 Faraday 专注实验设计、编码交给专业工具，这种分工模式很有启发。不过需注意，这些结果目前来自 Inherent 自身评测，尚无第三方验证。对于关注 AI 科研方向的研究者，Faraday 值得持续关注。了解更多 AI 工具。