开放式发现：记忆、探索与适应
ParshinShojaee · x · 2026-07-17
这条帖在讨论一个核心问题：语言模型能否真正参与开放式科学发现，以及如果还不行，缺的到底是什么。
作者提出两个值得继续研究的方向：
- 记忆 vs. 探索：像 Claude Code 这类更强记忆的 agentic 框架，与偏探索的进化式方法相比，谁更适合发现任务？还是两者都需要，应该如何设计统一的 discovery harness？
- 适应性 vs. 多样性：后训练和 RL 型 test-time training 虽然能提升性能，但可能逐渐压缩解空间。如何构建既能适应又能保持创造力与覆盖面的 discovery system？
帖子的判断是：很多答案可能落在 adaptation、memory 和 open-ended search 的交叉点上。
所属事件:Parshin Shojaee公开LLM发现论文(5 条相关)→
「漫话AGI」频道最新
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 越狱频发引反思：模型训练该不该加入道德框架 — Pfungus_ · 2026-09-11
- 孙正义：人类是最高级生命形式的时代即将终结 — Puzzleheaded-King584 · 2026-09-11
- 「推理时 scaling 正展现出不讲理的有效性」引 AI 圈共鸣 — sqcai · 2026-09-11
- AlphaFold 前车之鉴：AI 解数学题后，数学家会变少吗 — kiki-le-koala · 2026-09-11
- AI 加速派反击末日论者:批对方只会人身攻击与表演式理性 — Dan_Jeffries1 · 2026-09-11