币圈界报道：

用数字坐标重构人类味觉基因图谱

陈约瑟宣布，其团队已成功将全人类烹饪经验编码为仅2兆字节的数据结构，这一突破性成果在学术界引发广泛关注。作为KAIKAKU.AI联合创始人兼首席执行官，他与研究学者雅库布·拉齐科夫斯基于arXiv平台发布论文，正式推出名为Epicure的三款专用AI模型。

基于多语言数据构建的风味空间拓扑

该系统以涵盖7种语言、11个数据集的414万份食谱为基础，训练出包含1790种食材的高维特征图谱。每种原料被赋予300个数值维度，全面刻画其在真实菜肴中的共现模式、风味化合物关联及文化归属，最终总容量控制在2.05兆字节，可轻松通过标准邮件传输。

从菜谱文本到风味几何的范式跃迁

这并非传统意义上的食谱存储装置，而是一个动态的美食坐标系统。所有具体做法均被抽象为数学关系，仅保留食材间的相对位置与交互逻辑。例如，牛肉在不同方向上会触发截然不同的风味联想：指向北美时浮现汉堡元素，转向东南亚则自动关联酱油、姜和芝麻油组合。

借助球面插值实现菜系风格的精准导航

系统采用SLERP旋转导向算子，实现对基础食材的定向风味转换。以鸡肉为例，经30度旋转可生成德式风味特征，60度则使其融入墨西哥料理体系，自然呈现玉米饼、莎莎酱、蒙特雷奶酪与波布拉诺辣椒的协同组合。角度变化成为平衡原味保持与创新探索的核心调节机制。

三种模型分层应对不同专业需求

Epicure由三个差异化模型构成：Cooc模型聚焦实际菜肴中的搭配频率，适合寻找常见组合；Chem模型基于FlavorDB数据库分析香气分子共享性，擅长推荐化学兼容食材；Core模型融合二者优势，兼具实用性与科学深度。同一问题因提问维度不同，将获得差异化的专业建议。

限定知识域保障决策可靠性

区别于通用大模型，Epicure不具语言生成或常识推理能力，亦不会虚构不存在的食材。其知识边界严格锁定于已学习的1790种原料，虽覆盖范围有限但极大提升了结果可信度。相较部分存在误导风险的食谱聊天机器人，这种专注性在食品安全领域尤为关键。

推动食品研发与个性化饮食革新

该技术已在多个场景展现潜力：主厨可查询地中海食材在东亚风味中的等效替代物；食品工程师能定位与人工添加剂具有相似风味特征的天然成分；智能食谱应用可在用户缺料时提供连贯替换方案。这一细分领域的专业化模型正逐步超越通用型大模型的泛化局限。

目前研究成果已向公众开放，训练模型可通过指定平台获取，完整代码暂未披露。