11:53arXiv cs.LG@Nick Oh, Helen Jin本文指出,后验解释方法常用于解释科学机器学习模型,但仅凭模型可靠(预测匹配结果)和解释忠实(解释匹配模型)不足以证明模型揭示了现象的真实结构。文章强调,两者均未验证模型的工作机制是否与现象本身一致。作者认为,要支持关于现象结构的声明,还需依赖外部佐证,而非仅靠解释链。论文后验解释可解释性科学模型XAI推荐理由:这篇论文点出一个关键漏洞:模型准、解释对,不等于模型真懂现象。做AI科学发现的人必看。原文
10:32AI Will@FinanceYF5精选Sergey Brin在AGI House的炉边对话中表示,从核聚变到蛋白质折叠,专用科学模型正被通用模型取代,Gemini在数学和科学问答上已达到SOTA水平。他还讨论了“能解NP完全问题=超级智能”的观点,认为这很不寻常,因为大多数计算机科学家认为P≠NP,超级智能也无法做到。行业通用模型科学模型GeminiNP完全问题超级智能推荐理由:Brin的洞察揭示了AI科学应用的范式转变——通用模型正在吞噬专用领域,做科学计算或AI研究的团队值得关注Gemini的最新进展。原文