ScienceIDE：將全球科學程式碼庫轉化為代理可學習的環境
為何重要
ScienceIDE 測試了領域特定環境（科學研究）如何作為增強通用推理能力的正規化管道，指出未來訓練資料來源不必侷限於純文字或合成的程式碼，開源學術專案可能是更穩定的「領域知識」素材。這為 AI Agent 的資料管道設計提供了新思路，開發者若能利用類似基礎設施，將大幅降低在複雜領域（如科研、金融）訓練 Agent 的環境適配成本。
面對科學程式碼中儲存的人類知識因工具鏈分離與規範隱晦而難以轉化為可靠學習體驗的挑戰，研究團隊推出 ScienceIDE 基礎設施，試圖將科學程式碼庫轉變為代理的可程式設計環境。
- 該 infrastructure 透過專家定義的科學案例與接受標準，讓代理生成任務、執行並驗證結果，以此作為監督微調、強化學習與評估的共同基礎。
- 團隊利用驗證過的互動軌跡訓練出 PhAI-IDE-72B、PhAI-IDE-9B 和 PhAI-IDE-4B 這三個模型家族。
- 實驗顯示，該系列模型在科學程式碼維修上展現增益，並在通用程式碼、推理與知識的基準測試中顯示出正向遷移能力。