Meta于2026年10月28日宣布，支持加州理工学院、俄亥俄州立大学医学院、路易斯安那州立大学、印第安纳大学和得克萨斯大学休斯敦健康科学中心开展医学、物理、化学、生物学、数学及计算机科学研究。支持形式包括提供Meta最新模型和相关技术、研究人员合作，以及面向部分项目的研究经费。相关信息来自Meta AI Research发布的项目说明。
从机器学习应用角度看，这批项目的共同特点不是单纯调用模型生成文本，而是把多模态模型、计算机视觉模型和开放权重模型嵌入具体研究流程。例如，俄亥俄州立大学计划结合腹部CT、纵向病历和心电图数据，研究心力衰竭风险识别；路易斯安那州立大学则探索利用视觉模型整理神经外科结局登记数据、识别婴儿气管切开管移位，并研究具有因果解释能力的头颈癌模型。加州理工学院的项目还试图让模型参与数学猜想、物理表示、化学反应预测和可验证科学产物构建。
这项消息的意义主要在于，模型评估场景正从通用基准测试转向真实科研问题。Meta披露，部分项目将使用Muse系列模型、SAM、DINO、V-JEPA和SeamlessM4T等工具；其中一些开放权重模型可在机构内部基础设施运行。若能在未发表实验记录、临床历史数据或形式化证明等条件下取得稳定结果，机器学习系统的价值就可能从“总结已有知识”扩展到提出假设、预测新结果和生成可检验产物。
不过，目前公布的是合作计划和研究方向，并非已经完成的临床验证或科学突破。Meta称，参与高校将独立开展研究，并保留对患者和临床数据的控制，相关数据不会提供给Meta处理；这一点属于公告中的机构安排，尚需结合各项目后续论文、数据治理文件和实际评测结果核实。公告也没有给出统一的准确率、临床收益或投入金额，因此不宜据此判断这些模型已经适合医疗决策或科研生产环境。后续更值得关注的是：项目是否使用独立测试集，模型是否能在机构外复现，错误和不确定性是否被充分披露，以及研究人员在关键决策中如何保留人工审核。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
