Kevin Murphy 新作：LLM 辅助贝叶斯实验设计自动发现世界模型
sirbayes · x · 2026-08-26
Kevin Murphy 更新其论文《Model Discovery Agent: LLM-assisted Bayesian experiment design for data-efficient discovery of mechanistic world models》（arXiv:2608.09696，已更新至 v4），并发布了在多伦多大学的演讲视频。核心思路：科学的目标是从数据中学出机制性世界模型，以回答干预式「what if」问题；因实验昂贵，需数据高效的学习算法。
MDA 组合三要素：
- 新的 SMC³ 算法：在模型、参数、隐变量三层嵌套序贯蒙特卡洛；
- 用 LLM 在当前假设空间不足时提出新模型（对应 M-open 贝叶斯推断）；
- 基于最大化信息价值（Value of Information）的实验设计器。
在 DPbench、CHEMbench、boxing 三个基准上刷新 SOTA，并引入新的随机单神经元电生理基准 HHbench。
「研究」频道最新
- 缩放定律外推不可靠，统计原因难估饱和点 — DanielKhashabi · 2026-08-26
- KostasVisualizations：计算机视觉与机器学习交互式可视化合集 — CSProfKGD · 2026-08-26
- AI 学者点评模型架构研究：180B 规模验证与消融实验的价值 — kastnerkyle · 2026-08-26
- FixAnything：用视频生成先验统一修复 3D 渲染伪影 — gabriel1 · 2026-08-26
- 新算法修复循环上下文问题，论文已发布 — yogthos · 2026-08-26
- 研究发现注意力掩码检查遗漏因果性泄露 — VIDraft · 2026-08-26