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
- 爆料称 Anthropic 两周内将发布更大生物突破:Claude 64 小时产出 17 个验证蛋白 — ChrisGPT · 2026-10-21
- Antigen 推出 Assets：安全智能体可自动测绘系统并即时分诊新 CVE — alishbaimran_ · 2026-10-21
- Claude 建站提示词之七：移动端体验的全面优化指令 — manishkhosiya · 2026-10-21
- Claude 建站提示词之五：带定价锚点的服务页文案生成 — manishkhosiya · 2026-10-21
- Claude 建站提示词之三：转化型首页的五段式文案骨架 — manishkhosiya · 2026-10-21
- 8 个 Claude 提示词覆盖建站全流程，作者称可替代 2 万美元外包 — manishkhosiya · 2026-10-21