正文 · AI 翻译
一项汇聚大学、研究机构、业界和开放科学社区的倡议，旨在让公共资金资助的研究成果更易于发现、重复使用，并在其基础上开展进一步研究。
今天，我们宣布启动 Project ProtoStar。这项倡议旨在通过提高数据集、模型和代码的可获取性与可复用性，释放公共资金资助的科学研究的潜力，尤其是促进人工智能驱动的研究。ProtoStar 汇聚研究机构、业界和开放科学社区，支持以适合人工智能使用、可由机器处理的格式发布科研成果，并通过一系列开放挑战展示其价值。首场挑战由卡内基梅隆大学主办，将于 11 月 2 日开放。参见下文“如何参与”。
该倡议的创始合作伙伴包括卡内基梅隆大学、普渡大学、佐治亚理工学院、亚利桑那州立大学和乔治·华盛顿大学；这些大学均通过作为大学联盟合作伙伴的 Open Forum for AI（OFAI）参与；此外还有 Astera Institute、作为基础设施合作伙伴的 Hugging Face，以及通过其 Fostering Innovation Network 担任社区合作伙伴的 Open Research Community Accelerator（ORCA）。
参与机构通过签署谅解备忘录，正式确认参与该倡议，支持在开放基础设施上以适合人工智能使用的格式发布适宜公开的科学数据集、模型和代码。有意加入 Project ProtoStar 的机构可联系 protostar@orcaopen.org。
让公共资金资助的科学研究成果更易于使用
美国联邦政府每年在研发方面投入约 1900 亿美元，联邦政策也日益要求公开分享研究成果。美国国立卫生研究院（NIH）和国家科学基金会（NSF）等机构加强了对受资助研究论文的公众获取要求，并要求研究人员制定共享底层数据的计划。Hugging Face 是 NIH 列出的 10 个可用于共享研究数据的通用存储库之一。
但公开研究成果并不意味着它们自然就能被使用。科学数据集、模型和代码往往散落在互不兼容的系统中，以静态或旧式格式存储，或者在发布时缺少理解和重复使用它们所需的文档、元数据及来源信息。这些限制使研究人员更难在已有工作基础上开展研究，也使人工智能系统更难发现、解读和整合不同学科的科学资源。
Project ProtoStar 旨在通过鼓励以适合人工智能使用的格式系统性地共享公共资金资助的科研成果，并提供开放基础设施和实用的发布指南，帮助缩小这一差距。它借鉴了美国国家癌症研究所的 AI Data-Readiness Challenge，以及 Hugging Face 关于为人工智能准备公共部门数据的指南等工作。其目标是让研究机构更容易满足现有的公众获取要求，同时提高其发布成果的科学价值。
对可复用科学资源的需求已经显现。Hugging Face 托管着核心科学领域的 17,000 多个公开数据集，涵盖基因组学、蛋白质设计、化学、天气与气候、地球观测和天文学。如果将医学和数学领域也计入，这一数字接近 29,000，此外还有数量相近的科学模型。
共享的速度也在加快。2026 年前 9 个月，研究人员在 Hugging Face 上共享的新科学数据集数量超过 2025 年同期的 3 倍；即使剔除上传量最大的单个上传者，增长幅度仍然可观。
图 1. Hugging Face 每季度新增的公开科学数据集，按领域划分（2023 年第 1 季度至 2026 年第 3 季度）。按创建日期统计目前仍公开的数据集。来源：Hugging Face Hub 数据，2026 年 10 月。探索数据。
当机构以可复用的格式分享研究成果时，科学界就能大规模地在此基础上开展工作。截至2026年10月26日，NIH下属的美国国家生物技术信息中心（NCBI）在Hugging Face上维护的18个公共存储库累计下载量超过1100万次，而NASA IMPACT的27个存储库累计下载量约为77万次。文档也是让这些资源发挥作用的重要一环：Hugging Face上90%的数据集下载量来自文档齐全的数据集。
公开可用的基因组数据已被证明对推动生物学研究等领域进一步发展的研究具有重要意义；Hugging Face的研究人员一直在利用开放的科学资源开展研究，其中包括HuggingFaceBio近期发布的Carbon-A和Carbon-X。通过公开发布由此产生的模型、数据集和工具，这些工作展示了现有科学资源如何支持他人能够在其基础上继续开展的新研究。
这正是我们通过Project ProtoStar，借助参与机构采纳的机构政策进一步推动的活动。作为机构作出承诺的早期例子，CMU的开源项目办公室正鼓励其研究人员在Hugging Face上分享适合公开的数据集、AI模型和其他研究成果，同时认可特定领域存储库持续具有的重要性。
开放科学挑战
让科研成果具备可供AI使用的条件，是重要的第一步。我们还希望展示，当这些资源可供复用时，研究人员、开发者和更广泛的科学界能够取得什么成果。
ProtoStar的一个核心问题是：以公共资金资助的科学数据集、模型和代码，如果以可供AI使用的格式发布，能否被方便地发现、复用、组合和扩展，从而加速科学发现并增进公共利益？
为探索这一问题，ProtoStar将举办一系列开放挑战，每项挑战由一家参与研究机构主办，并围绕该机构公开发布的科学资源展开。这些挑战有2个相辅相成的目标：
展示科学资源的复用。提供研究人员和开发者利用公共资金资助的科研成果开展工作的具体实例，包括跨机构或跨学科组合资源的应用。
了解实现复用的条件。找出技术障碍、文档缺口和互操作性挑战，并总结成功实践，为未来的研究基础设施、资助决策和公共政策提供参考。
由此产生的项目和经验教训将有助于建立实用的证据基础，使公共资金资助的科学研究更易获取、更有用。
首项挑战：气候风险情报
卡内基梅隆大学主办 | 2026年11月2日至13日
ProtoStar的首届挑战邀请参与者利用美国210个城市的历史天气数据，检验AI能否改进对城市气候状况的预测。各团队将在卡内基梅隆大学研究的基础上，使用截至2018年的气候记录预测2019年至2026年的实际状况，从而根据观测到的天气而非假设的未来情景来评估其模型。
参与者将预测与城市规划相关的4项指标：年平均气温、年总降水量、全年最热的一天，以及衡量空调需求的制冷度日数。他们的预测将与简单的统计基准（包括历史平均值和线性趋势）进行比较，以评估AI方法能否在准确性方面带来有意义的提升。
除了预测，参与者还将根据从数据中学到的知识，提出一项简短的气候适应政策构想。这一环节鼓励团队将科学分析与切实的公共利益联系起来，例如帮助城市应对极端高温、提高能源效率，或管理不断变化的降水模式。
团队将提交一个包含这些成果的 Hugging Face 数据集。预测表现将通过公开排行榜进行评估，该排行榜根据既定基准衡量预测误差；政策构想则会另行考量。最终预测结果将在完整的 2026 年天气记录可用后，于 2027 年初公布。
探索 CMU 气候风险智能挑战赛
CMU 挑战赛是这一系列中的首项挑战赛。其他参与机构将依次举办各自的挑战赛，每项挑战赛都会突出不同的公共资助科研资源及其再利用机会。未来的挑战赛将通过 Hugging Face 上的 Project ProtoStar 页面公布。
如何加入 Project ProtoStar
无论你是学术研究人员、学生、独立开发者，还是基于开放科学基础设施开展业务的公司，ProtoStar 都提供了将公共资助的研究付诸实践的机会，并帮助我们了解，要让适合人工智能使用的开放科学发挥更广泛的作用，还需要些什么。
我们也欢迎有意让自身科研资源更易获取和再利用的大学、联邦研究机构、国家实验室、非营利组织及其他研究组织参与。如需探讨参与或合作事宜，请联系 protostar@orcaopen.org。
我们希望 ProtoStar 能让公共资助的科研成果更容易惠及能够在其基础上开展工作的人员和工具，同时就大规模支持开放科学所需的基础设施和实践积累切实证据。