仅需 3 条新数据，基础模型把热导率误差从 47% 降到 2%
bravo_abad · x · 2026-09-06
Póta 等人提出一种评估科学基础模型的新视角：关键不在零样本精度，而在它能摊薄多少昂贵的高质量科学数据成本。
- 以预训练原子级基础模型作为可复用先验，仅微调材料相关部分：学习到的势函数提供原子间作用力，Wigner 输运方程保持热输运物理的显式性
- 热导率是苛刻测试场景，依赖微妙的非谐原子相互作用
- 对 LiBr 案例，仅需 3 条新材料 DFT 配置做适配，热导率预测误差即从约 47% 降至 2%
结论：科学基础模型的真正考验，可能是在新问题上需要多少新数据才能变得可信。
「研究」频道最新
- PyTorch 实测:批量从 1 加到 64,吞吐升 50 倍延迟仅增 24% — cneuralnetwork · 2026-10-23
- 计算设计的全新连接酶 30 个里 27 个实验有效,AI 酶设计落地 — AllThingsApx · 2026-10-23
- 网友拆解决策模型榜单：AUC 相同下先验校准即可推高准确率排名 — antoine_chaffin · 2026-10-23
- JEPA 会保留无法预测的红绿灯特征吗？新论文给出集合级解释 — hisspikeness · 2026-10-23
- Next-Concept Modeling 论文称分层概念码并行生成，速度最高达扩散 LLM 的 31 倍 — PanelReader · 2026-10-23
- 从「压抑情绪」句子提取的 steering 向量,竟让模型独处时表达痛苦 — Big_Effective_9605 · 2026-10-23