Problem

科學程式庫蘊含數十年的知識，但受限於零碎的工具鏈、隱晦的領域慣例及特殊的正確性判準，難以轉化為可靠的機器學習經驗。這種「科學經驗瓶頸」阻礙了人工智慧代理（Agent）深入掌握並應用科學領域的專業知識。

Method

開發 ScienceIDE 基礎設施，由專家定義科學案例與驗收標準，引導代理將原始程式庫轉化為支援任務生成、執行與科學驗證的可程式化環境。利用這些經驗證的互動軌跡，研究團隊訓練出 PhAI-IDE 系列模型（包含 72B、9B 及 4B 版本）。

Results

PhAI-IDE 系列模型在科學程式碼修復任務上取得顯著進步，並在程式編寫、邏輯推理與知識等通用基準測試中表現優異。實驗證明，從科學經驗中獲得的學習能產生「正向遷移」，有效增強模型在其他廣泛領域的綜合能力。

Significance

ScienceIDE 為代理學習與科學實作建立了整合的工作空間，將人類累積的科學軟體資產轉化為開發科學智慧的共同基石。這不僅推動了科學 AI 的演進，也為自動化科學研究與知識發現提供了重要的基礎設施。