無論是渴望洞悉前沿科技的愛好者，困惑于理論與應(yīng)用脫節(jié)的學(xué)生，還是探尋長(zhǎng)尾知識(shí)的科研工作者，都日益感受到一個(gè)共同的困境：在信息洪流中，要找到系統(tǒng)、可靠且深入淺出的中文知識(shí)解讀，正變得愈發(fā)艱難。

大模型看似提供了捷徑，但其固有的“幻覺”與內(nèi)容的碎片化，使其難以成為可供信賴與沉淀的知識(shí)基石。正因如此，系統(tǒng)性地構(gòu)建一套高質(zhì)量的AI 時(shí)代中文科學(xué)百科全書——致力于打通領(lǐng)域知識(shí)壁壘、將高深科學(xué)通俗化、并有效覆蓋被忽略的長(zhǎng)尾領(lǐng)域——已是當(dāng)務(wù)之急，更是時(shí)代所需。

就在不久前，馬斯克號(hào)稱要用其 AI 百科 Grokipedia 挑戰(zhàn)維基百科。實(shí)際上，在馬斯克提出 Grokipedia 概念之前的一個(gè)月，有一支由高校和企業(yè)組成的中國(guó)團(tuán)隊(duì)已經(jīng)意識(shí)到了構(gòu)建 AI 時(shí)代的百科全書的重要性，并打造了科學(xué)百科 SciencePedia，但其核心思路與前者存在本質(zhì)不同，旨在突破人類知識(shí)的瓶頸。

該團(tuán)隊(duì)構(gòu)建了一個(gè)相對(duì)可靠和全面的基礎(chǔ)科學(xué)知識(shí)庫，該知識(shí)庫創(chuàng)新性的利用大語言模型的長(zhǎng)思維鏈（LCoT，Long Chain-of-Thought）的推理能力，從第一性原理出發(fā)，系統(tǒng)地推演了基礎(chǔ)科學(xué)的知識(shí)體系，從而形成了一個(gè)以 LCoT 為主體的新型語料庫，奠定了系統(tǒng)生成科學(xué)百科全書的基礎(chǔ)。

該團(tuán)隊(duì)表示，通過此前的統(tǒng)計(jì)物理的理論研究，大語言模型通過強(qiáng)化學(xué)習(xí)獲得的 LCoT 的能力是涌現(xiàn)出來的。通過系統(tǒng)的制備 LCoT 的語料庫，試圖彌補(bǔ)互聯(lián)網(wǎng)語料重結(jié)果而輕推理步驟的不足。

“經(jīng)校驗(yàn)的 LCoT 語料不僅在大幅減少了 AI 的幻覺問題，還極大地提升了推理語料的豐富程度。”該論文共同通訊作者、中國(guó)科學(xué)院理論物理研究所陳錕副研究員對(duì) DeepTech 表示。

圖丨左至右：李鈺、黃遠(yuǎn)、張林峰、么志遠(yuǎn)、陳錕（來源：陳錕）

據(jù)介紹，目前 SciencePedia 包含約 20 萬個(gè)細(xì)粒度的條目，涵蓋了包括數(shù)學(xué)、物理、化學(xué)、生物、工程、計(jì)算科學(xué)與天文七大領(lǐng)域的客觀知識(shí)，已構(gòu)建 300 萬條科學(xué)推理網(wǎng)絡(luò)思維鏈并提供了超過 10 萬的練習(xí)題。

在底層 LCoT 知識(shí)庫的支持下，SciencePedia 正試圖不僅可查到知識(shí)的“終點(diǎn)”，也能探索知識(shí)形成的“路徑”，為科學(xué)研究、教育和跨學(xué)科創(chuàng)新提供了一種新的工具。

如果說傳統(tǒng)知識(shí)系統(tǒng)提供的是一個(gè)點(diǎn)，那么，LCoT 知識(shí)庫是將這些點(diǎn)串聯(lián)起來的“網(wǎng)”。更重要的是，它揭示了很多知識(shí)點(diǎn)在跨學(xué)科之間的潛在聯(lián)系。在此基礎(chǔ)上，除了構(gòu)建學(xué)習(xí)工具幫助用戶學(xué)習(xí)復(fù)雜的概念、推薦最優(yōu)學(xué)習(xí)方案之外，還可以成為探索跨領(lǐng)域研究方向的探索引擎。項(xiàng)目團(tuán)隊(duì)認(rèn)為，AI 生成 SciencePedia 有望高效解決百科全書構(gòu)建的“冷啟動(dòng)”難題，為進(jìn)一步的開放的社區(qū)共建與人機(jī)協(xié)同提供基礎(chǔ)。

（來源：https://sciencepedia.bohrium.com/）

相關(guān)論文以《基于可驗(yàn)證長(zhǎng)鏈條思維的逆向知識(shí)搜索：構(gòu)建跨領(lǐng)域科學(xué)百科全書》（Inverse Knowledge Search over Verifiable Long Chain of Thoughts: Building a Cross-Domain Scientific Encyclopedia）為題發(fā)表在預(yù)印本網(wǎng)站 arXiv[1]。

聯(lián)合團(tuán)隊(duì)來自于中國(guó)科學(xué)院理論物理研究所、深勢(shì)科技、蘭州大學(xué)、北京科學(xué)智能研究院、上海交通大學(xué)、北京大學(xué)等單位。蘭州大學(xué)與中國(guó)科學(xué)院理論物理研究所聯(lián)合培養(yǎng)博士生李鈺和深勢(shì)科技資深 AI 算法研究員黃遠(yuǎn)是共同第一作者；深勢(shì)科技創(chuàng)始人兼首席科學(xué)家張林峰、蘭州大學(xué)么志遠(yuǎn)青年研究員和中國(guó)科學(xué)院理論物理研究所陳錕副研究員擔(dān)任共同通訊作者。

圖丨相關(guān)論文（來源：arXiv）

能追溯、能驗(yàn)證的第一性原理科學(xué)知識(shí)庫：“知其然知其所以然”

如何廣泛覆蓋長(zhǎng)尾知識(shí)、保證高質(zhì)量的內(nèi)容同時(shí)揭示學(xué)科之間的交叉是 SciencePedia 的三大技術(shù)難點(diǎn)。這項(xiàng)研究的核心價(jià)值是通過基于還原論的推理方法，從頭構(gòu)建一套基于 LCoT 語料科學(xué)知識(shí)庫；在此基礎(chǔ)上構(gòu)建的 SciencePedia 便能同時(shí)克服上述難點(diǎn)。

與傳統(tǒng)的論文庫或教科書知識(shí)的不同在于，SciencePedia 所基于的知識(shí)庫在形式上更像一套由科學(xué)知識(shí)的問答對(duì)構(gòu)成的《十萬個(gè)為什么》。其構(gòu)建的基本思路是使用“蘇格拉底詰問法”對(duì)一系列的科學(xué)知識(shí)點(diǎn)做“打破砂鍋問到底”的質(zhì)問，從而將高層次知識(shí)點(diǎn)解構(gòu)成更加底層的知識(shí)點(diǎn)。這就是科學(xué)上著名的第一性原理方法，對(duì)應(yīng)了“還原論”的科學(xué)方法論。

為通過這一方法系統(tǒng)的制備 LCoT 知識(shí)庫，研究團(tuán)隊(duì)設(shè)計(jì)了一套由“蘇格拉底問答智能體”驅(qū)動(dòng)的自動(dòng)化流程，它基于約 200 門學(xué)科課程，生成了近 300 萬個(gè)高質(zhì)量的科學(xué)問題的問答對(duì)。每個(gè)問題都是通過多個(gè)獨(dú)立的大模型分別生成詳細(xì)的 LCoT，再經(jīng)過嚴(yán)格的答案交叉驗(yàn)證篩選過程，最終只保留可被驗(yàn)證的內(nèi)容，進(jìn)而形成一個(gè)覆蓋了七大學(xué)科領(lǐng)域的可驗(yàn)證的科學(xué)知識(shí)庫。

圖丨問題生成與交叉驗(yàn)證的三階段流程（來源：arXiv）

在此基礎(chǔ)上，團(tuán)隊(duì)還開發(fā)了名為頭腦風(fēng)暴搜索引擎（Brainstorm）的新型工具，實(shí)現(xiàn)了逆向知識(shí)搜索：用戶輸入一個(gè)概念，引擎將返回所有以輸入概念為終點(diǎn)的、來自不同學(xué)科的第一性原理推導(dǎo)路徑。這些路徑不僅揭示了概念的來源，更展現(xiàn)了其在不同領(lǐng)域中的交叉應(yīng)用。

傳統(tǒng)的知識(shí)體系檢索體系（例如基于谷歌搜索的信息獲取方式）搜索的是人類語料。由于人類語料本身存在重結(jié)論而輕過程的問題，它的搜索結(jié)果也主要是關(guān)于知識(shí)點(diǎn)本身，而缺乏知識(shí)點(diǎn)之間關(guān)聯(lián)的信息。

而作為基于 LCoT 語料庫的搜索引擎，頭腦風(fēng)暴搜索引擎嘗試通過查詢引用到知識(shí)點(diǎn)的 LCoT，來探索與其他知識(shí)點(diǎn)長(zhǎng)程關(guān)聯(lián)的搜索，成為一個(gè)領(lǐng)域交叉應(yīng)用的發(fā)現(xiàn)引擎。

圖丨頭腦風(fēng)暴搜索引擎與柏拉圖寫作智能體架構(gòu)（來源：arXiv）

SciencePedia 的知識(shí)點(diǎn)文本，正是通過頭腦風(fēng)暴搜索引擎通過發(fā)掘知識(shí)點(diǎn)之間的跨領(lǐng)域關(guān)聯(lián)而構(gòu)建起來的。為了讓高深的科學(xué)概念傳遞給更多的讀者，研究人員還在輸出層構(gòu)建了“柏拉圖寫作智能體”，并將寫作風(fēng)格設(shè)置為貼近生活的的費(fèi)曼風(fēng)格的高級(jí)科普模式，這樣就可以把頭腦風(fēng)暴搜索引擎找到的抽象難懂的推理鏈，改寫為通俗易懂且可信度高的科學(xué)文章。

圖丨左右圖分別是知識(shí)點(diǎn)密度和事實(shí)錯(cuò)誤率的比較（來源：arXiv）

據(jù)團(tuán)隊(duì)介紹，由于“柏拉圖寫作智能體”基于 LCoT 知識(shí)庫與頭腦風(fēng)暴搜索引擎進(jìn)行寫作，它在發(fā)散思維的同時(shí)還致力于減少 AI 的幻覺問題。相比于大模型直接寫作，“柏拉圖”創(chuàng)作的文本相對(duì)大幅度地提升了知識(shí)點(diǎn)密度和事實(shí)準(zhǔn)確性方面表現(xiàn)，有助于提高科學(xué)知識(shí)的傳播質(zhì)量。

得益于上述底層原理的創(chuàng)新，SciencePedia 覆蓋了七大科學(xué)領(lǐng)域中的近 20 萬不同粒度的知識(shí)點(diǎn)，初步實(shí)現(xiàn)了中英雙語與長(zhǎng)尾知識(shí)點(diǎn)的較均衡覆蓋。這一點(diǎn)對(duì)于科學(xué)內(nèi)容稀缺的中文互聯(lián)網(wǎng)社區(qū)具有重要的意義。

需要了解的是，維基百科的中文詞條比英文詞條少兩個(gè)數(shù)量級(jí)，并且質(zhì)量嚴(yán)重劣化。而在科學(xué)前沿領(lǐng)域，詞條知識(shí)多為長(zhǎng)尾，由于人類專家精力有限，即使對(duì)于英文詞條亦難保證質(zhì)量與數(shù)量。

陳錕指出，“盡管 SciencePedia 還沒有覆蓋社會(huì)學(xué)、歷史等科目，詞條總量不如維基百科，但在科學(xué)領(lǐng)域范圍，我們的詞條覆蓋了維基百科缺乏的很多長(zhǎng)尾知識(shí)。即使是一些小眾知識(shí)點(diǎn)，也能提供較為豐富和高質(zhì)量的文本。典型例子是 SciencePedia 對(duì) Transmon 等部分前沿概念提供了比維基百科更詳盡的信息。此外，中文維基遠(yuǎn)不及英文版，但我們的 SciencePedia 力求做到中英文質(zhì)量一致?！?/p>

值得關(guān)注的是，SciencePedia 據(jù)稱并未借助人類語料從頭構(gòu)建。相比于馬斯克的 Grokipedia 因抄襲維基百科所涉及的版權(quán)問題，SciencePedia 在設(shè)計(jì)方面有助于規(guī)避部分潛在的類似問題。

突破人類語料壓縮推理局限，架起知識(shí)點(diǎn)之間的“橋梁”

SciencePedia 除了貢獻(xiàn)了相對(duì)高質(zhì)量的詞條之外，還通過頭腦風(fēng)暴搜索引擎批量挖掘出了大量人類互聯(lián)網(wǎng)此前沒能覆蓋的學(xué)科交叉知識(shí)。

由于人類專家精力的限制，包括論文、維基百科、教科書和互聯(lián)網(wǎng)數(shù)據(jù)等在內(nèi)人類語料普遍重結(jié)果而輕過程。因此這些語料中的現(xiàn)有知識(shí)體系更像是一座座“孤島”。知識(shí)島之間至關(guān)重要的“橋梁”，也就是知識(shí)點(diǎn)之間的邏輯推理過程被顯著壓縮了，成為了無法被谷歌等傳統(tǒng)搜索引擎發(fā)現(xiàn)的知識(shí)“暗物質(zhì)”。

因此，傳統(tǒng)的搜索引擎?zhèn)鹘y(tǒng)只會(huì)告訴你知識(shí)“是什么”，而對(duì)于“為什么”、知識(shí)“由何而來”，以及在“哪里有用”等問題提供的信息往往有限。這些知識(shí)間橋梁的缺失，導(dǎo)致了現(xiàn)有人類知識(shí)語料固有的局限性：知識(shí)點(diǎn)難驗(yàn)證、難理解、難交叉。

如果人類語料中的知識(shí)“橋梁”如此匱乏，那么基于人類知識(shí)訓(xùn)練的大模型是否也對(duì)此無能為力呢？

此前，研究團(tuán)隊(duì)對(duì)于大模型中長(zhǎng)思維鏈推理能力的本質(zhì)做了系列研究，提出大模型通過強(qiáng)化學(xué)習(xí)突破人類語料限制的核心機(jī)理：通過構(gòu)建最小復(fù)雜網(wǎng)絡(luò)模型 CoNet，并與模型的強(qiáng)化學(xué)習(xí)訓(xùn)練進(jìn)行對(duì)比研究。

研究團(tuán)隊(duì)認(rèn)為，通過強(qiáng)化學(xué)習(xí)誘導(dǎo)的相變物理，大模型長(zhǎng)推理涌現(xiàn)出長(zhǎng)程關(guān)聯(lián)，正好提供了將一座知識(shí)“島”與另一座知識(shí)“島”連接的“橋梁”（DeepTech 此前報(bào)道：大模型深度思考竟與物理相變“異曲同工”：科學(xué)家揭示“臨界學(xué)習(xí)”奧秘，助力 80 億參數(shù)模型攻克量子場(chǎng)論核心計(jì)算）[3]。因此，在強(qiáng)化學(xué)習(xí)后訓(xùn)練之后的新一代大模型，有潛力突破人類語料在推理鏈上的局限。

（來源：https://www.bohrium.com/sciencepedia/Backpropagatio）

下面我們通過從藍(lán)天聯(lián)系到量子力學(xué)的例子，來說明知識(shí)點(diǎn)之間“橋梁”連接的重要性。

“天空是藍(lán)色的”形成的原因在于電子和光子的相互作用時(shí)散射最強(qiáng)，對(duì)于空氣分子來說，散射最強(qiáng)的是紫色部分。但由于太陽光中藍(lán)光的能量比紫光強(qiáng)，并且人眼對(duì)藍(lán)光更敏感，因此我們看到的天空是藍(lán)色。

那它和量子力學(xué)有什么關(guān)系呢？其推理過程中散射最強(qiáng)的是藍(lán)色，正是百年前經(jīng)典物理的“兩朵烏云”之一的紫外發(fā)散難題。這一朵烏云最終誕生了量子力學(xué)。由于其中的技術(shù)細(xì)節(jié)繁雜，人類語料很難展開所有的細(xì)節(jié)，導(dǎo)致類似的推理過程的語料非常欠缺。讓這些關(guān)鍵的橋梁編程了知識(shí)的“暗物質(zhì)”。

陳錕表示：“從藍(lán)天聯(lián)想到量子力學(xué)是非常有意義的知識(shí)，如果我們只了解結(jié)論而摒棄推理過程，相當(dāng)于拆掉了知識(shí)點(diǎn)之間的‘橋梁’，丟失了知識(shí)之間的關(guān)聯(lián)信息?！?/p>

據(jù)了解，SciencePedia 通過構(gòu)造底層 LCoT 知識(shí)庫很大程度上解壓縮了人類的科學(xué)知識(shí)庫。進(jìn)一步地，通過頭腦風(fēng)暴搜索引擎，通過搜索這個(gè)知識(shí)庫挖掘不同知識(shí)點(diǎn)之間的交叉領(lǐng)域的關(guān)聯(lián)，SciencePedia 為更好地揭示知識(shí)點(diǎn)之間的應(yīng)用關(guān)聯(lián)提供了一種新的路徑。

圖丨關(guān)鍵字圖的層次結(jié)構(gòu)（來源：arXiv）

目前，研究團(tuán)隊(duì)正在進(jìn)行上下文協(xié)議（MCP，Model Context Protocol）服務(wù)的測(cè)試，未來會(huì)逐步向用戶開放。屆時(shí)，用戶可基于該服務(wù)來基于 LCoT 科學(xué)知識(shí)庫來創(chuàng)作科普文章、科幻小說等多方面的高質(zhì)量?jī)?nèi)容。

例如，當(dāng)新一屆諾貝爾獎(jiǎng)?lì)C發(fā)時(shí)，基于 SciencePedia 有望快速生成一篇高質(zhì)量的諾獎(jiǎng)的深度分析新聞稿。或者，用戶提供一些靈感和想法，SciencePedia 在短時(shí)間內(nèi)生成科幻文章。

因?yàn)槿祟惖闹R(shí)非常龐雜，這項(xiàng)工作從某種意義上來看只是一個(gè)起點(diǎn)。目前，SciencePedia 僅包括七門學(xué)科，未來研究團(tuán)隊(duì)還將進(jìn)一步覆蓋更廣泛的學(xué)科和領(lǐng)域范圍，包括歷史、天文、地理、經(jīng)濟(jì)學(xué)和醫(yī)藥等。其未來發(fā)展重心將轉(zhuǎn)向開放的社區(qū)共建與人機(jī)協(xié)同。團(tuán)隊(duì)希望未來與全球?qū)＜覍W(xué)者組建“SciencePedia 社區(qū)委員會(huì)”，并協(xié)力開發(fā)在線課程、教育工具等應(yīng)用。

陳錕表示：“我們相當(dāng)于培育了一顆更系統(tǒng)化的客觀知識(shí)體系的種子，最終還需要靠與社區(qū)更多互動(dòng)，共同探索知識(shí)形態(tài)，通過共同灌溉讓它長(zhǎng)成枝繁葉茂的大樹?！?/p>

正如很多科學(xué)探索一樣，答案并非知識(shí)的“終點(diǎn)”，它從哪里來又用到哪里去本身也是重要的、容易被忽視的知識(shí)。SciencePedia 項(xiàng)目向我們展示了如何通過大模型系統(tǒng)地解決這一問題。

這一橫向解決不同領(lǐng)域通用問題的研究范式，是大模型時(shí)代的 AGI for Science 與傳統(tǒng)的專注于領(lǐng)域?qū)Ｓ脝栴}的 AI for Science 的縱向范式的最大不同。SciencePedia 的出現(xiàn)讓我們看到了一個(gè)新的希望：或許，在被海量信息淹沒的時(shí)代，它為重新找到對(duì)客觀知識(shí)的深度理解提供了新的可能性。

參考資料：

1.arXiv相關(guān)論文：https://arxiv.org/abs/2510.26854

2.SciencePedia 體驗(yàn)網(wǎng)址：https://sciencepedia.bohrium.com/

3.CoNet 相關(guān)論文：https://arxiv.org/pdf/2509.23629

運(yùn)營(yíng)/排版：何晨龍