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
- Hannah Fry 专栏：OpenAI 解题潮让数学界陷入存在危机 — AnnaCiaunica · 2026-10-15
- 观察：AI 评测正从离线走向在线 — vboykis · 2026-10-15
- StartLux-Decision 发布:RL 训练的校准决策模型,27B 得分 72.8 — startlux-models · 2026-10-15
- 9 个月内三分之一的数学预印本由 AI 参与写作 — IgorCarron · 2026-10-15
- AAAI/ACM AIES 论文:访谈 15 名从业者揭示负责任 AI 实践何以难持续 — ChinasaTOkolo · 2026-10-15
- Schmidt Sciences 投 1000 万美元资助 19 个 AI 人文研究团队 — OdedRechavi · 2026-10-15