11:15官方账号arXiv cs.AI@Kevin MurphyModel Discovery Agent (MDA) 将大语言模型作为候选结构提议器,与序贯蒙特卡洛、模拟推断和价值信息等贝叶斯方法结合,用于从少量干预实验中学习因果机制模型。MDA 在 M-open 设定下运行,当真实模型超出假设类时,预测检查会触发提议器扩展假设空间。在物理、化学和生物学三个基准上,MDA 实现了数据高效的模型学习和可靠的干预预测,创下新 SOTA。论文Model Discovery Agent贝叶斯实验设计因果模型推荐理由:想用最少实验搞清楚因果机制?MDA 把 LLM 和贝叶斯结合,自动设计实验、发现模型,物理化学生物三领域都刷新了纪录。原文稍后读已读值得跟进有用关注 Model Discovery Agent
05:15官方账号Latent Space (swyx)@RJ HonickyXaira Therapeutics首席科学官Bo Wang和首席AI科学家Ci Chu在访谈中强调,构建因果模型需要因果数据。他们介绍了X-Cell模型,该模型通过大规模数据生成来提升药物发现中的因果推理能力。Xaira专注于从零开始生成高质量生物数据,而非依赖现有公共数据集。这一方法旨在解决传统模型因数据偏差导致的泛化问题。AI模型Xaira TherapeuticsX-Cell因果模型推荐理由:Xaira不靠公开数据,自己造数据训练模型,听起来挺较真。听听他们为什么说因果模型必须配因果数据,对药物发现很有启发。原文稍后读已读值得跟进有用关注 Xaira Therapeutics
16:07官方一手marktechpost@Asif Razzaq蚂蚁集团旗下Robant发布LingBot-VA 2.0技术报告,这是为具身智能原生构建的视频动作基础模型,而非从视频生成器微调。模型通过Foresight Reasoning预测未来状态,并基于每个真实观测重新接底,实现225Hz异步控制。架构采用因果DiT、稀疏MoE视频流和语义视觉动作分词器。AI模型LingBot-VA 2.0Robant具身智能推荐理由:蚂蚁Robant出了个面向具身AI的模型LingBot-VA 2.0,能预测未来状态并以225Hz实时控制,跟那些从视频生成器改的模型思路完全不一样。原文稍后读已读值得跟进有用关注 LingBot-VA 2.0
09:51berryxia@berryxia精选当前Physical AI的VLA模型仅在统计相关性上学习,桌子高2cm即失败。UCSD黄碧薇教授在CVPR 2026发布Causal World Models框架,让AI从模仿动作进化到理解因果。她创立的Aether AI获得2000万美元融资,成为全球首个因果世界模型公司。与杨立昆AMI(融10亿美元)和李飞飞World Labs(10亿美元)等不同,Aether AI不卷规模而卷因果结构。AI模型Causal World ModelsAether AIVLA推荐理由:黄碧薇教授不堆数据,教AI理解物理因果。Aether AI刚融资2000万美元,可能改变具身智能的游戏规则。原文稍后读已读值得跟进有用关注 Causal World Models
11:37官方账号arXiv cs.AI@Nikolos Gurney该论文构建了一个结构因果模型(DAG),将心智理论视为由情境与主体条件激活的机制,而非始终开启的能力。模型包含四个外生变量(如冲突强度、信息可及性)和五个内生中介变量,通过可处理性路径、推理深度路径和使能原因路径三种机制决定心智理论的参与状态。主要输出变量是认知准确性,该框架为AI系统提供了资源理性的心智化决策流程。论文还通过仿真验证和人类-智能体团队实验评估了模型的有效性,并讨论了冲突优化心智化引发的伦理问题。论文心智理论因果模型冲突场景推荐理由:这篇论文给AI装了个'读心开关'——只在冲突场景下按需启动心智推理,既省算力又提升准确性,值得做AI安全和多智能体的人看看。原文稍后读已读值得跟进有用关注 心智理论
13:26berryxia@berryxiaAether AI创始人黄碧薇教授指出,当前视频生成模型仅学习“手靠近杯子时杯子会动”的相关性,而非因果机制。其团队benchmark显示,因果结构可使机器人任务成功率提升25-50%,样本需求降低5-10倍。在物理世界如机器人、自动驾驶中,相关性模型易产生危险幻觉,因果世界模型旨在让AI理解机制而非表象。行业Aether AI因果模型机器人推荐理由:黄碧薇讲透了AI在物理世界的短板原文稍后读已读值得跟进有用关注 Aether AI