LLM 贝叶斯实验设计削减 5 倍试错成本
rohanpaul_ai · x · 2026-08-30
论文提出「模型发现智能体」(MDA)，通过让 LLM 生成数据解释假设，再利用标准贝叶斯数学评分选出最能区分假设的实验。
这种方法避免了在仅确认已知信念的实验上浪费资源。在物理基准测试中，MDA 辅助的模型在 93% 的运行中通过测试，而单独使用 LLM 仅通过 31%。复现已发表结果时，MDA 仅需约 8 次实验，而非原来的约 41 次。
「研究」频道最新
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 百度提出 Virtual Head Attention：同时压 KV cache、算力并保质量 — baidu · 2026-10-16
- 5.8M 参数语音事件检测器：为 Whisper 转录补上笑声呼吸与背景音 — Ayush Kumar Bar · 2026-10-16
- 华为等提出 SUPRA-Tex：单图生成可重打光 3D 材质，所见即所得 — Chen Yang · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16