互联网让常识九牛二虎之力，却也让真知难以抵达。

每天，千千万万的新内容在各个平台认识，东谈主们要在信息激流均分辨真假、筛选可靠起原已非易事；

而跨鸿沟的常识壁垒与传播失真，又让科学的普及濒临重重挑战。

在常识爆炸的时间，用户获取深度观点的需求，正遭逢传统互联网平台的挑战：

维基百科精于旨趣陈设，却拙于交叉诳骗；强于英文障翳，却弱于华文生态；广纳主流视线，却疏远长尾需求；

ArXiv 详于最终论断，却疏于经由复原；

而 AI 助手则长于快速鲁莽，却止于浅层检索，难以缓助用户构建体系化的科学领会。

马斯克搞的百科全书 Grokipedia，意图用 AI 从头界说百科全书，但施行发布后风评却未达预期。

Grokipedia 未贬责的问题，是科学常识的传播与积蓄。现实正在招呼一种更智能的"操作系统"——

好像领略常识之间的关系，跟踪科学的演化眉目，并让真知更高效地抵达每一个需要它的东谈主。

深势科技联袂北京科学智能研究院、中国科学院表面物理研究所、兰州大学、北京大学、上海交通大学以及海外科学智能定约、DeepModeling 开源社区等相助伙伴，带来了谜底" SciencePedia "——

一个具备「人命体征」的常识基座，辛勤于为常识安设一个会想考、能进化、可谐和的数字大脑。

SciencePedia：sciencepedia.bohrium.com

这不仅是一个草创性的家具，更是对异日学习领会表情的一次全新探索。

考一考 SciencePedia

当今到处在讲 AI，你一忽儿听到了几个生分名词的描写，例如"东谈主工神经相聚"、"反向传播"。

于是肄业欲满满的你民风性地去维基百科上了搜一下，你看到的是这样：

又来了一堆新的生分名词，即就是机智灵巧的你也会透澈摸头不着。

虽然，你笃定还会意料让 LLM 来帮维护，关联词你又牵挂 LLM 给你的谜底是它我方凭空的。为了不给理智的你增添考证常识准确性的背负，不错试一试 SciencePedia：

很显然，SciencePedia 在准确回话问题的同期愈加接地气，用灵活的生计化场景施展了"反向传播"这一高妙科学意见的中枢想想。

关于一些课程关联的主题，为了考证你是否掌持了该常识，SciencePedia 甚而给你建立了"课后训练题"！那么它是怎样作念到的呢？

SciencePedia 的使命想路

对比维基百科，SciencePedia 不是在"作念固执的通用百科"，而是在"搭建科学常识的动态进化图谱"：

先按学科分别（物理、化学、生物、工程、材料……），确保用户知谈我方处在哪一门学科的语境里；

再把这门学科下的关节常识点闭幕；

临了，用逻辑 / 因果 / 诳骗关系把常识点诱导成链路，告诉你：这个常识点为什么紧迫、它依赖哪些前提、它会影响哪些下流问题。

SciencePedia 的使命想路不错综合成三个关节词——长想维链、逆想维链搜索、东谈主机协同进化。

长想维链，让常识「活起来」

传统常识平台留步于论断讲解，如同只展示标本的生物学教室。

SciencePedia 则是从约 400 万条大言语模子的"想维链"常识库的基础上构建起来的，这些"想维链"试图复原"这个论断是怎样被东谈主类一步步作念出来的"。

例如来说，当用户稽察"量子纠缠"，系统不会只给出一句表率界说，而是沿着物理学的发展眉目张开：从 EPR 佯谬的提议，到贝尔不等式的推导，再到实验考证的时候旅途，临了延迟到量子蓄意中的具体诳骗。

这种「想维重演」让学习者亲历了一遍科学发现的全经由。

也就是说，它展示的不是"谜底是什么"，而是"谜底是如何被建设并被考证的"。

这少量，内容上是在把科学发现经由自己当成常识的一部分，而不是只保留绝顶论断。

逆想维链搜索，让常识「连起来」

SciencePedia 所基于的"想维链"构建了一个深层逻辑相聚，已毕了「意见级」的常识智能关联，因此 SciencePedia 擅长施展"用户的问题能通向什么"。

当有东谈主检索"拓扑绝缘体"，系统不仅会呈现凝合态物理中的拓扑表面基础，还会自动指向材料科学里的制备工艺、数学拓扑学中的关节意见，乃至量子蓄意中潜在的器件诳骗旅途。

这相等于把"跨学科无意灵感"转成"系统化导航"——用户不错看到一条常识线在不同学科间如何延展，而不是靠我方在文件海洋里碰气运。

东谈主机协同进化，让常识「长起来」

SciencePedia 的常识更新并不是" AI 说了算"，它禁受了特有的双引擎机制——

AI 肃肃抽取常识、重写和初步自检；内行社区肃肃膨胀常识领域、仲裁、校正深度领略、标注争议点，确保输出的常识严谨可靠。

这种机制使得 SciencePedia 把"可膨胀性"和"科学严谨性"绑定在沿途，也使它成为首个好像「自主进化」的常识系统。

新论文发表后，系统自动识别其与已有常识的关联、矛盾或鼓励，并通过社区考证已毕常识态的及时更新。

为何 SciencePedia 有如斯弘大的使命智商？

不禁要问，是什么莳植了 SciencePedia 如斯弘大的使命智商。这里不得不提到东谈主类互联网语料的一个内容弱势。

咱们东谈主类的常识贵府里所记载的频频是一个事件的后果或者论断，东谈主们在疏浚与辩论的时间，粗犷会忽略了某些常识具体的发现和推理经由，而这些所忽略的部分却隐含着广泛信息。

SciencePedia 恰是填补了这些弱势，将原有的常识掰开了揉碎了，基于第一性旨趣从零初始推演，并通过科学事实对推演进行考证，挖掘出总共这个词常识的关联眉目以及各式延迟，构建一个想维经由全部可追思、常识可进化的底层数据库。

当咱们提议问题时，SciencePedia 再次通过逆想维链搜索，将数据库中与问题险阻游关联联的常识眉目，准确地展当今咱们眼前。

SciencePedia 会给咱们带来哪些价值？

现时，SciencePedia 包含 400 万条想维链构建的科学推理相聚，200 个学科的深度障翳，24 万常识点的详尽解构 10 万 + 训练题的实施闭环。

传统的常识科普，东谈主们频频更强调论断，而疏远了常识经由。

借助 SciencePedia，东谈主们好像生成常识舆图，补完缺失的交叉关联信息，快速呈现鸿沟常识全景，了了识别研究前沿与辩论焦点；

通过逆常识搜索，SciencePedia 会自动发现不同研究鸿沟之间的学科交叉，揭示潜在的探索主义与改革契机；

同期，跨学科导航功能好像系统化构建改革旅途，让交叉研究不再依赖无意，而成为可揣测、可想象的势必经由。

此外，SciencePedia正在重塑教授的基本逻辑。

通过个性化学习旅途，系统证据常识点的先修关系，为每位学习者量身定制专属课程；

借助想维链可视化，将抽象的科学意见升沉为直不雅的领会旅途，让学习经由更易领略；

通过实施闭环想象，依托卓绝 10 万谈训练题，已毕从"领略"到"掌持"的跨越。现时，SciencePedia 正在与多所顶尖高校张开相助，打造异日常识获取的新表情。

从常识平台到领会基础体式

跟着科学修养的不休普及，东谈主们不再得志于"知谈后果"，而更渴慕领略"后果是如何得出的"。

同期，AI 鸿沟的长久发展亦需要一个稳健、表率化、可溯源、可进化的常识库。

SciencePedia 恰是在这种需求下应时而生的——它不仅好像从根源梳理事实，进行正向推理或逆向追思，还能整合跨学科信息，最终提供委果、可靠、可追思的解答。

这不仅让东谈主们轻松获取常识，更让他们信得过领略常识背后的逻辑。

在此，研发团队为 SciencePedia 的发展描写了一条由器用到生态的异日演进旅途——

现阶段，将完善中枢知知趣聚，建设基础诳骗生态；

接下来，已毕自动化常识更新，并构建各人孝顺者社区；

异日，成为常识获取、科学研究必备的基础体式。

这一演进道路，体现了 SciencePedia 正推动一种全新的常识呈现格局，并影响异日的学习表情。

立即体验 SciencePedia：开启全新的常识之旅

SciencePedia 现已全面绽开访谒。

不妨从研发团队全心准备的诺贝尔奖专题内容初始，感受基于「想维链」的 SciencePedia 如何了了解构复杂常识，、、。

研发团队肯定，一个「想维可追思、常识可进化」的常识系统，将是推动异日科学高出的基石。研发团队真挚邀请您一同见证并共建这一异日。

使用指南

访谒进口：径直访谒

sciencepedia.bohrium.com

或者从玻尔首页（www.bohrium.com）插足

算作学习者你该如何使用？

以前学习："千东谈主千面"的动态蓄意与讲授

传统的"书架"模式（如搜索、按鸿沟、学术水平筛选查找）也曾可用，但更保举你开启全新的智能学习体验。

你不错赢得专属"学习蓄意"，点击" AI 保举"唤起"学习伴读"助手，告诉它你的学习目的（例如："帮我蓄意一下量子力学的基础学习"或"我想学习 MOF "）。它会为你量身定制一条动态学习蓄意，为你智能保举最安妥的学习素材；

或者体验"动态讲授"，学习经由中遇到不懂的随时划线发问 AI。AI 提供的不再是千人一面的表率谜底，而是可交互的"动态讲授"。你不错随时打断它，条目它"讲得再深切少量"、"用个例子说剖释"，或者"换一种表情证明"。让学习变得不再败兴，而是成为一种可互动、可疏浚、可拓展的全新体验。

还不错随时划线"发问或反映"，只需划线选中不睬解的内容，便可唤起助教，提供即时证明与延迟阐述，匡助用户快速领略与深切想考。若在阅读中发现失实或表述不妥的方位，也可径直进行剪辑或反映，使常识内容在不休改进与共建中连接完善。

学习平静：AI 带你拆解多种想路

每个常识点，王人有配套的"入手实施"，匡助你磨练是否透澈掌持该常识。点开"入手实施"模块，可稽察经典习题妥协题经由；

还能启发多种想路，面对辛苦毫无头绪时，" AI 伴读"不会径直给谜底，而是为你提供多种解题想路（如"试试能量守恒"或"从动量分析"），拓宽你的视线。

以及张开想维链，遴荐一种想路，AI 伴读会为你张开好意思满的"想维链"——了了展示"为什么"这样作念、"第一步"和"后续推导"。让你信得过学会"如何想考"，而不仅仅"如何解题"。

绽开生态，为科学百科孝顺或捉虫

研究团队真挚邀请各人的科研使命者、西宾与学生，加入玻尔科学百科！共同构建东谈主类的绽开科学常识体系。让科学不再是少数东谈主的器用，而是全东谈主类的共同言语。

表情 1：径直提交 github pull request，参与共建，在页面上发现失实或想要加多信息，可径直选中失实内容点击"剪辑"或点击右上角"剪辑"，跳转至咱们的开源仓库进行剪辑并提交 pull request。

表情 2：提交需求反映，在页面上径直点击"反映"，填写需求，匡助研究团队迭代常识内欢跃家具体验。

论文相连：https://github.com/deepmodeling/sciencepedia/blob/main/Inverse_Knowledge_Search_over_Verifiable_Long_Chain_of_Thoughts.pdf

共建计算：通过 GitHub 参与开源孝顺

https://github.com/deepmodeling/sciencepedia

诚邀您填写 SciencePedia 共建窥伺问卷：

https://dptechnology.feishu.cn/share/base/form/shrcn3zmVkb3lXXvAuXhKVrxlKh

相助洽谈：迎接研究机构与教授机构深度相助，议论邮箱：

sciencepedia@bohrium.com

* 本文系量子位获授权刊载，不雅点仅为原作家总共。

一键三连「点赞」「转发」「防御心」

迎接在指摘区留住你的想法！

—  完  —

� � 点亮星标 � �

科技前沿进展逐日见世博shibo登录入口