EPFL 推出 GOLLuM：让 AI 学会「怀疑」实验室试错减少 40%
MacrinePhD · x · 2026-09-03
EPFL 的 Bojana Ranković 与 Philippe Schwaller 团队开发了 GOLLuM 框架，将 LLM 与高斯过程（贝叶斯优化中常用的概率「怀疑检测器」）结合，把不确定性转化为训练信号，用于为科学实验寻找最优「配方」。
核心思路：
- 传统贝叶斯优化跨学科迁移差，每个新问题都要从头开始；
- LLM 编码了广泛的科学知识且以文本工作，但幻觉和虚假自信会把科学家引向昂贵弯路；
- GOLLuM 用高斯过程为 LLM 建议提供不确定性估计，让系统「知道自己什么时候可能错」，从而优化实验设计。
在化学实验基准上，GOLLuM 的实验配方搜索效率与传统方法相当，但所需的实验室试次减少约 40%。
所属事件:EPFL 推出 GOLLuM 框架：让 AI 从怀疑中学习(2 条相关)→
「应用」频道最新
- AI agent 拆解视频广告：从钩子到运镜逐帧分析创意结构 — SimplyAnnisa · 2026-09-05
- GPU 藏在衣柜、面板装口袋:ModelDeck 把本地多模型推理搬进手机 — EAccelerate_42 · 2026-09-05
- 6 个 GPT-6 Astra 实用 prompt:自动化、记账审计到项目复活 — mark_k · 2026-09-05
- GPT-6 Astra 全自主 20 分钟搞定月度记账,成本约 1.5 美元 — intellectronica · 2026-09-05
- 9 个 GPT-6 Astra 提示词示例:从砍账单到把服务生意做成软件 — gdb · 2026-09-05
- Lingverse发布模块化AI伴侣iKairos:桌面机器人兼可穿戴吊坠 — francisybea · 2026-09-05