面向科学任务的自主智能体
AI Engineer · youtube · 2026-07-19
这场分享讨论了如何让**自主智能体**真正服务于科学发现，而不是只做编码题或玩具优化。 核心观点是：面对真实科学任务，问题来自现实测量数据，目标空间开放，agent 需要在**方法、先验、数据预处理、模型类别和超参数**之间不断搜索，并从中间失败里学习。作者还展示了一个**基于本体（ontology）的记忆系统**，用来辅助关键的假设生成。 讲者强调，很多性能跃迁并不是单纯靠更强模型，而是来自： - 对物理系统行为形成正确假设 - 把假设准确实现成数学模型 - 在真实数据上执行与迭代 所有示例都来自工业和应用研究场景，而非纯合成任务。