AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
精选
过去 24 小时,从 658 条中筛出 46 条
全部模型产品行业论文技巧
标签:科学发现×
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月8日
10:38
10:38arXiv cs.LG@Hanqiao Yu, Shusen Yang, Xuebin Ren, Cong Zhao
精选
Deflex是一种端到端AI方法,能从多尺度复杂系统中自动提取不同形式的数学公式(如不变量和分布)。它由两个子系统组成:Deflexpressor(基于Lambda演算的符号回归模型)和Deflexformer(可分解深度能量模型)。Deflexpressor生成合成数据预训练Deflexformer,后者通过解耦多尺度潜在关系引导公式发现。在六个代表性复杂系统上,Deflex比现有方法效率提升高达7倍,实现了自动化多尺度发现。这项工作有望成为跨学科科学发现的有用工具。
论文符号回归Lambda演算多尺度建模复杂系统科学发现

推荐理由:做复杂系统建模或科学发现的团队,终于有了能自动提取多尺度公式的工具——Deflex比现有方法快7倍,做物理、生物、工程等跨学科研究的可以直接试试。
原文
6月7日
00:55
00:55rohanpaul_ai@rohanpaul_ai
精选
MIT 新论文提出一种自修正发现系统,旨在让 AI 科学家在科学探索中不仅搜索现有方案,还能识别当前思维框架的局限性并主动引入新概念。现有 AI 科学系统大多在固定设置内搜索,而真实科学需要新变量、工具或假设。该框架通过将数据、模型、失败等所有产出标记为带类型的工件,区分检索、搜索和发现三种操作,其中发现意味着改变系统本身的表达方式。论文试图形式化 AI 系统长期回避的问题:在语言内找到答案与获得改变语言的权利之间的区别。
论文AI 科学家科学发现自修正系统MIT论文

推荐理由:这篇论文戳中了当前 AI 科学系统的核心瓶颈——只会搜索不会创新,做 AI 科研或科学自动化的团队值得关注,它给出了一个严谨的形式化框架来定义真正的发现。
原文
6月2日
11:02
11:02IT之家(博客/媒体)
精选72°
图灵奖得主理查德·萨顿指出,普通生成式AI(如大语言模型)缺乏自我评估与持续筛选能力,因此难以完成真正的科学发现。他认为科学发现需要变异、评估和选择性保留三步,而生成式AI只擅长生成变体,缺少测试环节来筛选更好方案。萨顿列举AlphaGo、AlphaFold等系统作为正面案例,这些系统都有评估闭环。他还批评AI行业过度押注更大语言模型,更看好能与环境互动、从经验中学习的AI智能体。
行业生成式AI科学发现强化学习评估闭环理查德·萨顿

推荐理由:萨顿点出了生成式AI在科学发现上的根本局限,做AI研究和科学发现的团队值得反思:你的系统有评估闭环吗?
原文
6月1日
08:53
08:53Marc Andreessen@pmarca
精选
AI 先驱 Richard Sutton 在视频演讲中提出争议性观点:当前基于监督学习的生成式 AI(包括大语言模型、图像和视频模型)本质上无法做出新颖的科学发现。他认为这些系统能产出“好”或“新”的结果,但无法同时兼具两者——当输出新颖时往往意味着“幻觉”,而追求准确性时则缺乏创新。Marc Andreessen 对此评论称,在 AI 时代我们可能从未真正定义过“新颖”和“发现”,AI 将创造许多新事物但难以命名。这一观点挑战了当前 AI 在科学和数学领域的应用预期。
AI模型生成式 AI监督学习AI 创新Richard Sutton科学发现

推荐理由:Sutton 的演讲戳中了生成式 AI 在科研创新上的核心局限,做 AI 研究或依赖 AI 做科学发现的团队值得一看,看完会对当前模型的能力边界有更清醒的认识。
原文
00:09
AITOP6月1日 00:09
OpenAI 发起“Codex for Open Source”:免费赠送 6 个月 Pro 订阅,开源维护者能否迎来 AI 变革?
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布:编程助手的“静默时刻”,是解放开发者,还是新门槛?🔥Anthropic 把 AI 编程的“确认键”彻底删掉了!Claude Code 搭载全新 Opus 4.8 模型,长时间任务不跑偏、不废话、不中断,像一个资深工程师一样默默干活,从功能开发到漏洞清扫全包圆,你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”,现在它直接交完整交付物……自主编程的最后一层窗户纸,被捅破了。做自动化开发和代码审查的团队,这个模型建议直接上手,效率差距肉眼可见……Opus 4.8发布:编程助手的“静默时刻”,是解放开发者,还是新门槛?
5月15日
09:57
09:57arXiv cs.AI@Licong Xu, Thomas Borrett
精选
这篇论文提出了两个面向宇宙学的AI智能体系统:CMBEvolve通过LLM引导的代码进化和树搜索,针对有明确量化目标的任务(如弱引力透镜图中的异常检测)进行优化;CosmoEvolve则构建虚拟多智能体研究实验室,用于开放式的科学工作流(如自主分析ACT DR6数据)。初步实验显示,CMBEvolve能通过代码进化迭代提升基准分数,CosmoEvolve能识别非平凡的成对和尺度依赖行为并生成分析级诊断。这项工作展示了宇宙学如何为AI科学家系统的开发提供可控基准和真实开放研究问题。
论文AI智能体宇宙学代码进化多智能体系统科学发现

推荐理由:宇宙学研究者终于有了能自主推进发现的AI工具——CMBEvolve和CosmoEvolve分别解决了定量优化和开放式探索两大痛点,做数据分析或理论建模的团队可以直接参考其方法。
原文
精选全部日报登录