2月5日，华盛顿大学与艾伦人工智能研究所（AI2）的研究团队发布了一款名为OpenScholar的开源人工智能模型，旨在整合前沿学术研究。该模型通过构建包含4500万篇学术论文的检索库，能够依托成熟的科研成果进行答复，并采用检索增强生成技术，使模型在训练完成后仍可检索新文献、整合内容并规范引用。

OpenScholar在整合与引用学术研究的能力上表现出色，测试结果显示其引用准确率与人类专家持平。在16位科学家的盲评中，有51%的情况下更偏爱OpenScholar生成的内容，而非领域专家撰写的答复。该团队还构建了首个跨领域大型评测基准ScholarQABench，专门用于测评科研类人工智能系统。通过与GPT-4o、Meta旗下两款顶尖人工智能模型的对比评测，OpenScholar在准确性、撰写质量、内容相关性等维度的表现优于所有参测模型。

研究团队表示，OpenScholar的开源属性使得业内同行已在本研究基础上迭代优化，进一步提升了模型效果。目前正在研发迭代模型DRTulu，该模型基于OpenScholar的技术成果，可实现多步骤检索与信息聚合，生成更全面的研究答复。