正式开源｜我们把“可验证”写进了大模型的训练目标——LabOpen v1 发布

每个做过科研的人，大概都经历过这样的时刻：

 问 AI 一个专业问题，它回答得流畅、漂亮、体面——但你不敢引用。因为“看起来对”和“可以被验证”，是两回事。

这是华曼生物科技（北京）有限公司人工智能实验室（Hooman AI Lab）、国声智库人工智能研究中心做LabOpen v1 的起点。我们不想做更大的模型，只想回答一个朴素的问题：大模型的科研回答，能不能做到逐条可验证？

一组先亮出来的数字

基于开源原版模型 Qwen3.8-27B，经过大量实验与后训练强化学习工程设计，LabOpen v1 在封存答案的盲测中交出了这样的成绩单：

· 编程能力：78 项标准化任务中，模型要像工程助手一样自己写码、跑测试、改错误，通过率从原版的 32% 提升到 72%；

· 经典遗传学：满分 20 题 20 对——同期对照的几款国际前沿大模型，在不做任何专门调优的情况下只有35% 到 60%；

· 材料物性：对材料属性表的精确复现能力为 42%，参测前沿模型全部不足 3%；

· 同时，原版模型已有的代码生成、函数调用、意图理解、公式显示，一项没丢。

也有我们还没赢的地方：流体物理的链式计算上，前沿模型目前更强。这条也如实写在了开源模型卡里。因为我们相信，能被验证的回答才是科研能用的回答——包括验证我们自己。

我们是怎么做的

不堆参数，不追热点。实验室用一套朴素的强化学习方法：奖励不靠人工打分，全部由程序按预设规则逐条判分——答案算对就是算对，算错就是算错，截断、格式错误、运行出错各自单独记过。六个能力方向（流体物理、材料混合律、遗传学、运维操作、编程、学术表达）逐个训练、逐个闯“盲测关”：题目提前锁定、答案绝不参与训练，过不了关，这一轮的训练方案就作废。发布之前，最终成品还与训练原版做了逐字比对——生成的每一个字都一致，才准出门。

完全开源，本地可部署

LabOpen v1 采用业界最宽松的 Apache 2.0 开源协议，免费可商用。提供两种下载形态：即用版完整模型（FP8 高效格式，约 31GB，体积比常规精度减半）与轻量训练留档（112MB）。一张较新一代的支持 FP8 的显卡（如NVIDIA H100、DGX GB10）即可本地私有化部署——科研数据不出实验室。

一个邀请

无论你是高校课题组、科研院所，还是企业研发团队，都欢迎下载试用、反馈真实场景的问题。模型卡里有全部评测口径与能力边界，欢迎监督，欢迎交流。

 开源地址： https://huggingface.co/HoomanBio2021/LabOpen-v1

联系我们： service@hoomanbio.com

—— 华曼生物人工智能实验室（Hooman AI Lab）