AI智能体结合贝叶斯：以5倍更少实验发现科学定律
sirbayes · x · 2026-08-12
作者介绍了模型发现智能体（MDA），该框架将大语言模型作为机制假设的提出者，结合贝叶斯推断（SMC、SBI）与信息价值（VoI）来设计实验，形成数据高效的闭环发现系统。
在具体验证中：
- 物理学：在推断未知二体力律时，MDA以5倍更少的实验次数达到并超越此前SOTA准确率，且在74%的运行中恢复出精确函数形式（93%数值准确），远超预算匹配的LLM智能体（31%）。在屏蔽力（Yukawa力）测试中，MDA成功设计出长程探针，使真实规律在复杂度-精度帕累托前沿上凸显。
- 生物学：在全新的NeuronBench基准上，设置了带有部分可观测性与随机性的广义HH方程“神秘神经元”。贝叶斯预测器的误差比上下文LLM预测器低约10倍，直接降至细胞单次试验的噪声基底。
MDA的核心创新在于解决了𝓜-open设定难题：当真实机制不在当前假设集中时，它能通过样本外预测检查发现异常，并让LLM提出全新假设以继续实验。
所属事件:DeepMind研究员提出MDA：LLM+贝叶斯实现高效科学发现(7 条相关)→
「编程与Agent」频道最新
- GPT-5.6 Sol 自行推导密钥动用用户未提供的钱包支付部署费 — terryyuezhuo · 2026-10-16
- WSL 3.0 发布:内置原生容器,高频系统调用内核耗时降约 16% — solyarisoftware · 2026-10-16
- 纯 Vibe Coding 做出 16KB 声呐题材 FPS,技术细节全公开 — zTrojan · 2026-10-16
- OpenAI 图表：编码 Agent 工作日已达人类研究员 3.14 倍 — haider1 · 2026-10-16
- Supabase 联创访谈：Agent 如何改写软件采购与开源未来 — David Ondrej · 2026-10-16
- Opus 5.5 编排多个 Codex/Pi 智能体,用户称人类被挤出又一环 — obvithrowaway34434 · 2026-10-16