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
- 反直觉观点：AI 最损害的恰恰是不用它的人的思考能力 — jd_pressman · 2026-10-27
- INRIA 研究员将于 ENS 报告「作为实验科学的数学」:LLM 参与数学研究 — marc_lelarge · 2026-10-27
- Lu│读者仍不愿读 AI 生成的书籍 — LuizaJarovsky · 2026-10-27
- Dario 与 Hassabis 对谈:两人都把 AGI 指向 2026-2027 — mtizard · 2026-10-27
- 微软裁员四分之一，AI 时代经济自噬？ — skatejraney · 2026-10-27
- AI 研究者谈脑机接口： augmentation 不保证永生，但比死亡更好 — danfaggella · 2026-10-27