09:51
官方账号arXiv cs.AI@Lei Lin, Ronghao Wang, Chunbao Zhou, Jue Wang, Yangang Wang
精选
推荐理由：做科研假设生成或理论驱动建模的研究者，可以用这个管道从文献中自动挖掘新假设，比手动推导更系统高效，值得在数据科学之外的其他学科试试。
假设生成
共 6 条相关 AI 资讯
6月9日
09:51
DN-Hypo-Pipeline 是一个基于大语言模型的AI工作流，旨在通过利用科学解释作为先验知识，辅助研究人员从现有文献中推导出新颖的研究假设。该管道从论文的结论（explanandum）出发，识别其背后的定律、理论和原理，并重构出对观察现象的新解释。在数据科学建模领域的评估中，结合LLM裁判和人类专家评价，该管道比直接生成方法更有效。此外，两个得分最高的生成假设被转化为新算法，性能超过了原论文的基线模型。该方法本质上是理论引导建模的泛化，有望扩展到其他科学领域。
6月3日
11:06
11:06
berryxia@berryxia
berryxia@berryxia83°
推荐理由：做科研的团队和个人研究者终于有了一个 24 小时不睡觉的 AI 合作者，能帮你生成假设、辩论验证，直接提升发现速度，建议试试 Gemini for Science。
08:47
08:47
官方账号Google DeepMind@GoogleDeepMind
官方账号Google DeepMind@GoogleDeepMind精选
推荐理由：科研人员终于有了 AI 驱动的协作伙伴——Co-Scientist 能自动生成和优化假设，做基础研究或跨学科探索的团队可以直接用它加速发现，建议点开看看具体怎么用。
05:23
05:23官方账号Google DeepMind@GoogleDeepMind
官方账号Google DeepMind@GoogleDeepMind推荐理由：个人研究者终于能直接使用 DeepMind 的 AI 科学助手生成假设，做科研的可以试试这个工具来加速发现过程。
5月20日
03:35
03:35官方账号Google DeepMind@GoogleDeepMind
官方账号Google DeepMind@GoogleDeepMind72°
推荐理由：科研团队和学术研究者终于有了 AI 驱动的假设生成助手——Co-Scientist 通过多智能体辩论帮你筛选可行方向，做前沿探索的可以直接试试这个思路。
5月19日
11:45
11:45
官方账号arXiv cs.AI@Christiaan G. A. Viviers, Koen de Bruin, Mirre M. Trines, Ayla M. Hokke, Roy van der Meel, Avi Schroeder, Twan Lammers, Willem J. M. Mulder, Fons van der Sommen
精选
推荐理由：纳米医学研究者常面临文献碎片化、方向选择困难的痛点，pArticleMap通过证据驱动的假设生成帮你发现被忽视的研究交叉点，做纳米药物设计或跨学科转化的团队值得一试。