这些学科里堆着大量真实、复杂、常年悬而未决的问题，也是检验下一代 AI 最狠的考场——推理、记忆、用工具、长线探索，每一项能力都要在真实科研问题面前接受检验。
在我看来，这件事的意义远不止帮科学家提效率。真实科研本身就是科学发现发生的现场，也是探索下一代 AI 的重要试验场。让科学家真正参与进来，能把有价值的问题、专业的验证标准，还有完整又复杂的科研过程，一起带进模型研发；面对那些还没有答案的前沿问题，也能让模型走出标准题和 benchmark，进到更开放、更复杂、更不确定的环境里，在真实挑战中不断碰到新的能力边界。我觉得，这两件事其实指向同一个目标：让 AI 更深地参与前沿研究，在解决真正重要问题的过程中探索智能的上限，也推动下一代 AI 继续往前走。
