刚刚，中国AI天团杀向RSI！1分钟预测全球天气、20分钟手搓OS

新智元报道 大额免费Token Plan： https://discovery-home.intern-ai.org.cn/ ， https://api.atria-asi.ai/， https://zenmux.ai/atria-asi/atria-dawn-preview 项目网站： https://atria-asi.ai/ 模型权重： https://huggingface.co/internlm/Atria-Dawn-Preview Paper链接： https://github.com/atria-asi/Atria-Dawn-Preview/blob/main/atria-dawn-preview.pdf 20 分钟，一个 MiniOS操作系统搭建了起来。 AI4AI 设计并训练一个超过 4 亿参数的天气预测模型，1 分钟，预测未来一周的全球天气。 这是智能体模型 Atria Dawn Preview 在此次展示中完成的两项任务。 上海人工智能实验室联合复旦大学、中科院软件所、中国人民大学、中科院自动化所、华东师范大学和哈尔滨工业大学等机构，共同发布了这一智能体新模型。 模型能做什么，自然是发布的看点。但这一次，团队还把目光转向了另一件事： 这个模型，究竟是怎么被研发出来的？ 在 Atria 的后训练过程中，研发人员普遍使用编程智能体辅助工作。写代码、执行实验、分析结果，AI 已经参与其中。 于是，一个问题浮了出来：当 AI 开始帮忙「造 AI」，人类还在忙什么？ 越来越多的操作交给 AI 之后，AI工程团队的劳动究竟减少了多少，又有多少转移到了不容易被看见的地方？ Atria 团队收集了研发中的人机交互记录，尝试把这些分工拆开来看。 AI 连续执行的背后，谁在决定下一步？ 回看模型研发，人类的工作一直在变。 早期，人们为模型标注数据。后来，通过偏好反馈告诉模型什么样的回答更好。如今，AI 开始参与代码编写、实验执行和结果分析。 人机协作的范围，就这样从训练数据的生产，延伸到了研发流程本身。 沿着数据、训练与评估三个环节，可以看到这一变化： 一些过去需要研究者一步步完成的操作，现在可以交给智能体连续推进。 但研发中，还有一类工作很难用代码行数来衡量。 问题该怎么定义？哪条技术路线值得尝试？实验结果究竟支持了什么判断？继续投入，还是及时换方向？ 这些决定可能只需要几句话，却会影响后面一连串操作。 因此，想知道 AI 在研发中贡献了多少，就需要沿着过程往回看： 方案是谁提出的，选择是谁作出的，卡住之后又是谁把方向纠正过来的。 这也是 Atria 团队分析交互记录的出发点。 769 条任务记录，拆开 AI 研发背后的人类劳动 团队分析了 56 名参与者的 769 条任务记录 ，并结合智能体日志，观察研发中的人机分工。 其中，739 项任务明确回答了是否使用 AI，713 项涉及 AI，使用率达到 96.5% 。 在这批被调查的研发工作里，用 AI 已经相当普遍。 不过，96.5% 回答的是「有没有用」，还没有回答「承担了多少」，更没有回答「谁在作决定」。 真正值得展开的，是接下来几组数字。 约三分之一的已完成任务，参与者认为「没有 AI 就做不成」 在 455 项已完成、使用了 AI，且获得有效可行性回答的任务 中，151 项被参与者判断为：如果没有 AI，自己负责的部分就无法完成。 占比 33.2% 。 这里有一个明确前提： 任务范围、质量要求和其他资源保持不变。 也就是说，对这些参与者而言，AI 的作用已经延伸到任务是否可行。一部分原本受资源或个人能力限制的工作，有了 AI，才进入了能够完成的范围。 当然，这里的「做不成」，来自参与者对当时情况的回顾性判断。 这些任务可能确实超出了参与者在给定条件下、不借助 AI 所能完成的范围，也可能是 AI 的使用改变了他们对自身能力和任务可行性的判断。 参与者认为任务离不开 AI，并不意味着最终选择也由 AI 作出。要理解 AI 在工作中的作用，还需要进一步区分：谁提出方案，谁作出最终选择。 AI 经常出方案，多数最终选择仍由人作出 再看技术决策。 在执行岗位参与者报告的 567 项方法或参数决策 中，AI 提出方案的比例达到 64.6% 。 其中，最常见的协作方式是： AI 提出，人类选择。 这一组合占全部此类决策的 55.4% 。 如果把视线放到最终选择上，分工就更加清楚： 85.5% 的方法或路线决策由人类作出最终选择，AI 作出最终选择的比例为 9.2% 。 在目标或范围、验收标准两个环节，人类作出最终选择的比例，也分别达到 93.4% 和 81.9% 。 甚至在那 151 项被参与者认为「没有 AI 就无法完成」的任务中，仍有 144 项 由人类最终选择目标，占比 95.4% 。 两件事同时发生了。研究者依赖 AI 完成工作，AI 也经常参与技术方案的形成；与此同时，人类仍然承担着多数最终选择。 哪些方案值得采用，哪些结果符合要求，研究应该朝哪个方向推进，这些判断构成了人类工作的重要部分。 把整个任务简单标成「人做的」或「AI 做的」，很容易把中间的分工混淆。方案提出、最终选择和具体执行，需要分别看。 遇到困难，76.0% 经人类帮助继续推进，只有 0.7% 由人类接管 智能体卡住之后，会发生什么？ 团队请参与者回顾了每项任务中最关键的一次困难。在记录了困难及应对方式的 588 项任务 中， 76.0% 经人类介入后继续推进 ，由人类接管主要工作的比例只有 0.7% 。 人类最常做的两件事，分别是： 补充背景或澄清需求：35.2%。 诊断问题或改变方法：34.7%。 另有 23.0% 的任务由 AI 自行恢复推进。 这让「人类介入」有了更具体的样子：研究者补上缺失的信息，判断问题出在哪里，或者调整方法，智能体随后继续执行。 修改产出时，也出现了类似的分工。 在明确记录主要 AI 产出去向的 627 项任务 中，354 项发生了实质性修改，占比 56.5% 。 而在这些需要实质性修改的任务中， 75.4% 由 AI 根据人类反馈完成修改 。 初稿是 AI 写的，修改稿也可能是 AI 写的。 但两版之间，人类指出了什么问题、提出了什么要求，同样影响着最终结果。 如果只统计生成内容、代码量或直接编辑次数，这部分通过反馈完成的工作，就很容易被低估。 8 项基准，两项第一、两项第二 研发过程之外，Atria Dawn Preview 本身的能力，也是此次发布的重点。 团队对模型进行了评测，并与其他基线模型展开对比。具体结果如下： 在团队给出的 8 项基准对比 中，Atria Dawn Preview 取得了 两项第一、两项第二 ： AutomationBench、CyberGym：得分最高。 SkillsBench、Workspace-Bench-Lite：位列第二。 这组结果展现了它有竞争力的智能体能力。 分数之外，团队还给出了三个 Demo，分别对应模型训练、软件开发和网络安全。它们把模型组织工作、使用工具、根据反馈继续推进的过程，放到了具体任务里。 禁用网络搜索，训练一个超过 4 亿参数的天气模型 第一个任务，直接让 AI 参与全