做科学数据，是生化环材研究生进入 AI 领域的一把钥匙
（全文没有使用任何 AI，纯手搓，希望我们的洞见可以为你提供帮助。）
前言：
生化环材这年年常被叫作「天坑」专业，可在大模型行业，他们正变得炙手可热。
AI 的浪潮前所未有地席卷而来。很多非 AI 领域的研究生，会动过这样的想法：AI 这么热，我能不能也去做点相关的事？念头之后往往是泄气：我没训练过模型，代码只写过处理数据的脚本，人家凭什么要我。
2026 年中开始，AI 领域中，涌现了一项生化环材专业比计算机专业更适合的工作，那就是做科学数据。它指的是把你真实做过的科研工作，改写成大模型能够练习、也能够被打分的 「任务」 （行内话也叫做给模型出题）。这件事最稀缺的知识就在你手里：你知道一个真实的科研问题长什么样，知道什么答案算对，知道哪里容易出错。AI 工程师不知道这些。
（我们习惯称呼任务是用于评测大模型的，但是实际上评测的是 大模型+智能体框架，比如 Claude Opus5 + Claude Code。单独一个只会文字接龙的大模型是无法完成如此复杂的任务的。）
（OpenAI 招募众多生物科学家联合发布生命科学领域数据集 LifeSciBench）
（Anthropic 招募生命科学、化学家加入研究）
数据对于提升 AI 大模型能力而言非常本质
大模型的训练大致分两段。第一段叫预训练，把互联网上能找到的文本几乎全读一遍，学会语言和常识。继续精进预训练给模型带来的提升变得越来越少。第二段叫后训练，目的是让模型真正会做事：写代码、遵循意图、调用工具等。后训练需要大量的高水平数据。 现在模型的提升已经呈现这样的趋势：由数据驱动的部分远远大于由模型架构演化驱动的部分。也就是说，如果你能找到一份更好的预训练数据或后训练数据，它可能带来非常大的模型上限的提升。
后训练现在最有效的做法，是让模型自己动手做一道题，再由一个判分程序告诉它对了还是错了，对了就强化这种做法，错了就削弱。这套方法叫 「可验证奖励的强化学习」 。它成立的前提是：题目要真实、要难，判分要靠得住。
（强化学习是当前利用数据提升模型能力的最核心方法）
后训练的主战场已经转到 “教模型做可验证的长链推理和真实任务” ，科学是数学、代码之后同时满足高价值、可验证、数据还没被吃透这三个条件的领域。这些科学数据题 AI 公司自己出不了，出题的人必须有真正的科研经历。
这些科学数据如何被大模型所用
一条科学数据最核心的包括三个部分：任务定义、环境、Rubrics（评分细则）。
「任务定义」 需要定义大模型可以用到什么工具，需要做什么，以及需要提交什么等。
「环境」 是大模型完成这个任务所需要用到的背景资料、工具等
「Rubrics」 是用于判断大模型做题结果对错的程序或评分细则。有些科学数据还要一份参考解。
一条科学数据有三种用法。
1、当考题：很多条数据在一起，就可以构成一套 Benchmark（评测基准），用来评测大模型能力。现在的模型能力排行都是通过各种 Benchmark 测出来的。
2、当强化学习训练信号：让模型反复尝试这道题，用验证器的结果来奖励或惩罚。
3、当示范：参考解和解题记录直接作为模仿样本，用于 SFT （后训练的一种，用来提升模型能力）。
（这样的大模型能力排行都是通过各种 Benchmark 测出来的）
如何构造科学数据
最好的题目来源就是你的科研或项目经历：对论文的某张图的结果进行仿真复现，写算法处理实验数据，把模拟参数调到与实验吻合，从一堆结构里筛候选。每一项都能改成一道科学数据。
纯手搓构造当前高难度的科学数据已经是一件不太可能的事情。Claude Code、Codex 这类智能体，可以在构造科学数据的时候提供非常多的帮助，请多多尝试使用他们。有什么问题也可以尽管问他们，他们懂的很多。在「任务定义」和「Rubrics」上需要投入一定的人类科研经验，而其他的内容都可以由智能体辅助构造。
如何应聘相关岗位
GitHub 上有不少开源项目，公开征集大家的科学任务去构建 Benchmark（文末附上）。它们提供任务构造指南、详细的评审反馈和答疑，既是最好的练手场，也是证明能力的试金石。为这些项目贡献科学数据，还可以进入其所发表论文的作者名单。
有了这些成果，再去应聘数据公司或大模型公司的科学数据岗位，会有很大的优势。现在几乎所有的大模型公司，以及如春笋般涌现或者转型而来的数据公司，都非常渴望这样的科学数据人才。
即便你还没来得及做出贡献，只要科研经历扎实，又能熟练使用 Claude Code 这类智能体工具，直接去投也有很大机会。
一些感慨：
曾经我也不喜欢蹭热点、赶潮流，觉得在哪个领域踏踏实实做研究，最后都能做出成绩。现在我的想法变了：努力当然是成功的前提，但环境和机遇有时候也不可或缺，它能塑造一个人，也能改变一个人。AI 时代的到来，就是这样一次机遇。
希望每个人都能看清楚，自己手中的钥匙，可以去打开哪扇门。
最后附上一些公开征集科学数据的开源项目，为它们做出贡献会是你简历上精彩的一项：
（截止文章发布时间 2026 年 9 月 6 日，下面的项目都还处于征集中）
跨学科领域：
Terminal-Bench：考察智能体在命令行环境里完成真实工作。3.0 的征集页写得最详细，项目现已滚动更新到 4.0，仍在征集更难、更多样的新任务。征集页： https://www.tbench.ai/news/tb3-contribution-call
Terminal-Bench-Science：专收科研工作流，覆盖生命科学、物理科学、地球科学、数学与计算科学，目前 70 道任务，正向 100 道以上扩展。征集页： https://www.tbench.ai/news/tbsci-contribution-call
Agents' Last Exam：面向各行各业有经济价值的长任务。官网 https://agents-last-exam.org/
化学：
ChemBench：化学知识与推理评测集，发表于 Nature Chemistry，有专门的出题指南，可通过 PR、表单或邮件提交题目。出题指南 https://lamalab-org.github.io/chembench/contribute_questions/
物理：
FrontierPhysics：考察 AI agent 如何迭代式地开展前沿物理研究。介绍页：https://www.benchflow.ai/frontierphysics/contribute
