Kevin Murphy 独作论文：用大模型与贝叶斯实现高效科学发现
burny_tech · x · 2026-08-14
资深研究员 Kevin Murphy 发布独作论文，探讨了在实验成本高昂时如何高效发现正确的机制模型。该方法提出了模型发现智能体（MDA）。
其核心工作流包括：
- LLM 提出假设：利用大模型生成可能的解释。
- 贝叶斯推断：决定当前对各个假设的信任程度。
- 贝叶斯实验设计：挑选最能区分不同假设的实验来执行。
- M-open 机制：当所有现有假设都失败时，系统会主动扩展模型空间，而不是强行从错误选项中选出一个赢家。
作者感叹，在 AGI 时代，这种将实验数据效率最大化的研究方式极具启发性，并设想未来能否将这种贝叶斯直觉直接内化到模型本身。
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)→
「研究」频道最新
- Lean v4.35.0 自带四个已验证内核，其中之一由 Claude 写成并自证一致 — geoffreyirving · 2026-10-16
- MP-Bench：语音 Agent 群聊插话判断仅与抛硬币相当 — solyarisoftware · 2026-10-16
- 对 Qwen3-8B 做神经元级 GWAS+PheWAS，定位安全相关神经元 — Sauers_ · 2026-10-16
- 770B 参数压进 214GiB：腾讯混元量化团队拆解 Hy4 Preview 压缩术 — coolmum18 · 2026-10-16
- 200 局国际象棋实测：作者认为上下文学习目前并不奏效 — akbirthko · 2026-10-16
- LARK-Lab 提出 Mosaic：跨会话的 Agentic 强化学习新范式 — LARK-Lab · 2026-10-16