GOLLuM 联合训练高斯过程，解决科学发现中 LLM 幻觉
bravo_abad · x · 2026-08-29
针对 LLM 在科学领域的过度自信问题，GOLLuM 方法通过将语言模型与高斯过程联合训练，使其能在不确定性下从实验结果中学习。
主要成果：
- 在涵盖合成、材料和分子设计的 23 项任务中平均排名第一。
- 所需实验数量比传统贝叶斯优化减少 40%。
- 从仅 10 次失败实验开始，高收益反应的发现率几乎翻倍（43% vs 24-25%）。
相比之下，直接提示 GPT-5、Gemini 和 Claude 进行优化的失败率高达 80%，常出现幻觉分子、重复或无效建议。
所属事件:GOLLuM 联合训练高斯过程，破解 LLM 科学幻觉(2 条相关)→
「研究」频道最新
- DeepPhylo 用深度学习推断系统发育树，摆脱恒定突变率等强假设 — anshulkundaje · 2026-10-15
- Wander 预印本提出图基础模型:随机游走接口统一图预测任务 — mmbronstein · 2026-10-15
- CHI 审稿人观察:AI 垃圾论文泛滥,但好研究依然在出现 — IanArawjo · 2026-10-15
- CMU 基准测试:135 篇 AI 代理科研论文 114 篇未过诚信审查 — arankomatsuzaki · 2026-10-15
- 让 AI 真正从经验中学习:资深从业者给出 8 条不可妥协原则 — tokenbender · 2026-10-15
- Benchling 发布 Science Foundries：智能体蜂群重塑科研工作流 — nlarusstone · 2026-10-15