AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：科学发现×
6月16日
20:46
6月12日
12:57
10:22
10:22arXiv: OpenAI@Guojun Liao
本文提出AI在科学发现中的三层框架：第一层是LLM的搜索与检索，第二层是通过定性推理形成模型（核心创新），第三层是执行、优化与细化。作者认为第二层最为重要但发展最不充分，它要求AI能识别当前框架的结构性不足，并在更广泛的表征空间中理解问题。通过陈省身对Gauss-Bonnet定理的内在证明、Nesterov加速梯度收敛问题的Lyapunov函数解法、以及OpenAI 2026年自动推翻Erdos单位距离猜想三个案例，展示了第二层推理的结构特征。该框架为AI驱动的科学发现提供了更清晰的路径，尤其强调了超越现有框架的模型创新能力。
论文科学发现AI框架模型形成定性推理OpenAI
推荐理由：这篇论文给AI科学发现领域划出了真正的瓶颈——不是搜索或执行，而是模型形成能力。做AI for Science的研究者、科学哲学爱好者、以及关心AI能否真正创新的开发者，都值得一读。
原文
6月11日
15:28
15:23
15:07
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
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