Kevin Murphy提出MDA：LLM结合贝叶斯加速科学发现
sirbayes · x · 2026-08-12
Google DeepMind 研究员 Kevin Murphy 等人发布论文《Model Discovery Agent》，提出了一种结合大语言模型（LLM）与贝叶斯实验设计的新框架。该智能体利用 LLM 提出候选机制结构，并通过序列蒙特卡洛（SMC）和基于模拟的推理（SBI）来发现潜在的机制性世界模型。
主要贡献包括：
- MDA 框架：将 LLM 作为提议者，结合贝叶斯方法进行数据高效的模型发现，并扩展到真实模型不在当前假设空间内的 𝓜-open 场景。
- 达到 SOTA：在物理学和化学的两个现有发现基准测试中，以更少的实验次数达到了相同的准确率。
- NeuronBench：发布了一个全新的部分可观测、随机电生理学基准测试。
此外，论文还解释了其学习到的摘要为何能避免表征坍缩问题：通过预测参数的监督目标进行锚定，从而自适应 LLM 提出的各种通道。
所属事件:谷歌提出MDA智能体结合LLM与贝叶斯加速科学发现(4 条相关)→
「研究」频道最新
- 为什么 AI 需要“记忆工程”：图谱记忆胜过扁平向量库 — anirbanbandyo · 2026-08-12
- LlamaIndex 推出 ExtractBench：覆盖 8 大领域 4869 页复杂文档 — llama_index · 2026-08-12
- Mitsuhiko等呼吁学术界应多点直接批评少点玻璃心 — cloneofsimo · 2026-08-12
- AI 音乐不必是“电子垃圾”：交互式生成音乐的新趋势 — jordiponsdotme · 2026-08-12
- Decoding-Level Taboo: 大模型推理路径鲁棒性测试 — Tadanobu Chuyo Kamijo · 2026-08-12
- AI记忆评测基准遭质疑：评分指标差异致偏差24% — True_Mongoose_7073 · 2026-08-12