宣布Project ProtoStar：让公共资助的科学成果为AI做好准备

英文原标题：Announcing Project ProtoStar: Making Publicly Funded Science AI-Ready

本文为英文原文的机器翻译摘要，原文见：Hugging Face Blog ↗

• Project ProtoStar 是一项由高校、研究机构、产业界和开放科学社区共同发起的倡议，旨在让公共资助的科研数据、模型和代码更易被发现、复用，并以 AI-ready、机器可操作的格式发布。
• 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（通过 Open Forum for AI 作为高校联盟伙伴），Astera Institute，Hugging Face 作为基础设施伙伴，以及 ORCA 作为社区伙伴。
• 文章指出，美国联邦政府每年在研发上投入约 1900 亿美元，NIH 和 NSF 等机构加强了公共访问要求，但研究公开并不等于可用：科学数据、模型和代码常分散在互不兼容的系统中，或以静态/遗留格式存储，缺乏文档、元数据和溯源信息。
• Hugging Face 上已有超过 17,000 个核心科学领域的公共数据集（含医学和数学则接近 29,000 个），2026 年前九个月新分享的科学数据集是 2025 年同期的三倍以上；NCBI 的 18 个公共仓库累计下载超过 1100 万次，NASA IMPACT 的 27 个仓库约 77 万次下载。
• ProtoStar 将举办系列开放挑战赛，首个挑战“Climate Risk Intelligence”由卡内基梅隆大学主办，于 2026 年 11 月 2 日至 13 日举行，参赛者需利用 210 个美国城市截至 2018 年的历史天气数据，预测 2019 至 2026 年的实际气候条件。

关键数据

• 美国联邦政府每年研发投入约 1900 亿美元
• Hugging Face 上核心科学领域公共数据集超过 17,000 个，含医学和数学接近 29,000 个
• 2026 年前九个月新分享科学数据集是 2025 年同期的三倍以上
• NCBI 在 Hugging Face 的 18 个公共仓库累计下载超过 1100 万次
• NASA IMPACT 的 27 个仓库累计下载约 77 万次
• 90% 的数据集下载来自文档完整的数据集
• 首个挑战赛于 2026 年 11 月 2 日至 13 日举行，使用 210 个美国城市的历史天气数据

为什么值得看：该倡议试图解决公共资助科研资源“公开但不可用”的痛点，通过机构政策、开放基础设施和挑战赛推动科研数据以 AI-ready 格式共享，可能影响未来科研基础设施、资助决策和公共政策。