Apodex Discovery：发现型AI评测框架与基准环境

阿波罗登月并非仅仅因为其工程师能解出复杂的方程。它之所以成功，是因为将遥远的雄心转化为包含明确目标、模拟、验证和反复修正的任务架构。人工智能如今面临类似的转型：前沿模型在问题、工具和成功标准被明确指定后，能够解决困难任务，然而具有重大现实意义的挑战很少以可执行或可验证的形式出现。 我们推出Apodex Discovery，这是一个通过重型求解器构建和评估探索性AI的框架，该系统由基础模型、工具链、工具和控制策略组成，旨在进行扩展的、有状态的、可验证的调查。它包含三个核心组件。首先，一个问题侦察过程调查了16个行业的561个产业，汇集了423个高价值现实问题，并选出20个用于初始发布。其次，一个通用的环境-任务-情节抽象提供数据、工具、约束、反馈、轨迹记录，以及对中间产物和最终提交的验证。第三，HDS6独立于最终任务成功，评估工具、修复、替代方案、连贯性、证据和范围。 在AAV衣壳设计中，Apodex在可行性、趋向性、结构预测和生成设计方面超越了已发表的最先进水平7%。在药物再利用和重新配方中，一个特定任务的生物医学环境将GPT-5.5和GPT-5.6-sol的平均归一化预测分数分别提高了2.5和7.6分，相较于同一闭卷骨干模型。受控消融实验表明，固定的TRACES情节接口能够将性能差异归因于特定的求解器组件。Apodex Discovery将AI评估从预定义基准推向旨在真正发现的可验证调查。