先看证据
开放获取之后，还有一道使用门槛
Hugging Face于2026年10月29日公布Project ProtoStar，这是一个由大学、研究机构、产业界和开放科学社区共同参与的倡议，目标是让公共资助的科研数据集、模型和代码更容易被发现、复用，并能被AI工具处理。它不是新的科研资助计划，也不是要求所有研究成果开放的合规制度，而是试图改善已经公开或适合公开的研究产物如何发布。
这一区分很重要。论文和数据“可以访问”，不代表外部团队能判断数据代表什么、如何处理，或能否与其他研究资源结合。材料散落在不同系统、沿用静态或旧格式、缺少文档和来源记录，都会让开放停留在下载链接这一层。ProtoStar要解决的，正是从“能找到”到“能正确使用”之间的落差。
它协调的是发布流程，不是强制开放
ProtoStar的机制分为机构承诺、资源发布和实际使用检验。参与组织通过一份公开的谅解备忘录支持将合适的科研数据集、模型和代码以AI-ready格式发布；机构可借助开放基础设施建立资源主页，并通过许可、版本管理、元数据和说明文档补足使用上下文。首批参与者包括五所大学、Astera Institute、Hugging Face和ORCA，五所大学通过Open Forum for AI参与。
但这份备忘录是非约束性、非排他性的，机构也保留决定哪些材料适合发布、如何发布的权利。因此，ProtoStar更像是一个软协调框架，而不是新的公开义务。它能覆盖多少研究、资源发布后能否持续更新，仍取决于各机构愿意投入多少人力和维护成本。把承诺签下来，只是流程的起点。
平台数字显示供给在增长，也说明了边界
公告给出的背景规模不小：美国联邦政府每年投入约1900亿美元用于研发，但这个数字是公共科研的规模背景，不是ProtoStar的预算。Hugging Face称，其平台已托管超过1.7万个核心科学领域的公开数据集；把医学和数学纳入后，数量接近2.9万个。公告还称，2026年前九个月新增的科学数据集超过2025年同期的三倍，即使排除最大单一上传者，增长仍然明显。
这些数字反映的是Hugging Face平台上的资源与上传趋势，不是整个科学界的完整清单，也不能单独证明科研复用已经发生。公告同时列出NIH旗下NCBI在平台上的18个公开仓库，累计下载超过1100万次；NASA IMPACT的27个仓库约有77万次下载。下载说明资源被访问，却不等于它们被正确整合进研究，更不能直接代表研究质量或新发现。公告引用的另一项观察是，平台数据集下载中有90%来自“文档完整”的数据集，这提示文档与使用率相关，但不能据此把相关性当成因果结论。
挑战赛要把格式承诺放进真实任务
ProtoStar不只推动资源发布，还计划让参与机构围绕开放资源举办挑战赛。首个挑战由卡内基梅隆大学主办，主题是城市气候风险预测与适应政策建议，使用210座美国城市的历史天气数据。参赛者要从截至2018年的数据出发，预测气候指标，并将结果与历史均值和线性趋势基线比较；挑战计划于2026年11月2日至13日举行。
这种安排的意义，在于把“AI-ready”从格式清单变成可以检验的工作流程：外部团队能否找到资源、理解字段和来源，并据此完成一项具体任务。挑战过程中遇到的格式不兼容、文档缺漏或跨资源组合困难，能比单纯发布指南更直接地暴露基础设施问题。不过，挑战成绩只检验特定数据和任务下的可用性，不能替代对数据质量、研究方法或政策建议本身的评估。
技术负责人应把维护纳入开放成本
对研究机构的技术负责人来说，ProtoStar提供的判断标准不应只是“仓库是否公开”，而是外部使用者能否在不依赖原团队口头解释的情况下，理解许可、版本、数据来源和使用限制，并复现基本处理流程。若资源必须靠熟人引荐、私下补发说明或手工转换才能使用，那么公开访问仍未变成可规模化的复用。把挑战赛当成发布流程的压力测试，比把它当成一次宣传活动更有实际价值。
边界也要说清楚。不是所有科研材料都适合公开，机构保留筛选权是项目设计的一部分；而文档、元数据和版本维护都需要持续投入，不能靠一次上传解决。首个挑战的预测区间还存在公开信息不一致：公告写预测2019—2026年，项目主页则写2019—2025年，现有材料没有解释差异。技术团队可以先用具体资源检验发布、检索和复用链路，但在评估挑战结果时，应先确认最终年份范围和评测口径。