UCSB 团队获 NSF 100 万美元,研究捕捉高阶相互作用的 AI 方法
ninamiolane · x · 2026-10-13
UCSB 的 Nina Miolane、Haewon Jeong、Yao Qin 与 Sanjukta Krishnagopal 获得 NSF 100 万美元资助,开发能发现复杂系统科学规律的 AI——Real AI 计划的首笔联邦资助。
当前 AI for Science 方法多建模成对关系,而真实系统充满高阶相互作用与涌现现象。团队要让模型跨尺度、跨时间捕捉多组分重叠交互,目标是补上神经科学等领域缺失的「定律」。Jeong 强调 LLM 擅长答题,但预测系统整体行为仍是重大空白。
所属事件:UCSB 团队获 NSF 100 万美元研发高阶相互作用 AI 方法(2 条相关)→
「研究」频道最新
- 11 个多模态 LLM 实测:装上工具后拒答有害请求能力最多降 68.7% — lateinteraction · 2026-10-13
- NYT Connections 扩展榜:Muse Wonder 得 93.4 分居前列但费用最贵之一 — zero0_one1 · 2026-10-13
- Polymarket 押注：AI 研发的皮肤癌疫苗获 FDA 批准概率 67% — Polymarket · 2026-10-13
- 学者质疑「一个世界模型覆盖多领域」说法：领域专属训练不该如此宣称 — DrMorganLevine · 2026-10-13
- 研究生求助:60人问卷人工评估模型输出,在ML研究里靠谱吗 — Dapper-Perspective21 · 2026-10-13
- AI数学突破多是暴力搜索反例，而非洞察定理 — jonippolito · 2026-10-13