自动科研智能体实测:假设区分测试占比从 16.8% 升至 28%
anirudhg9119 · x · 2026-10-14
该工作给出核心结论:扩展自动科研的关键,在于学习「哪个研究方向值得投入下一单位算力」,并按其长期后果分配信用。
在一项 LLM 评审、400 组配对轨迹的实验中,学到的策略:
- 区分假设的测试占比 16.8% → 28.0%
- 对停滞想法反复做小修小补的占比 33.5% → 18.8%
即策略更倾向于去调查尚未解决的不确定性,而非原地打转。
所属事件:MIRA-AC:用代理反馈与分层架构训练自动科研智能体(14 条相关)→
「研究」频道最新
- 混合精度+混合加速器采样器跑 RL，配合 off-policy 校正稳定收敛且更省成本 — xiuyu_l · 2026-10-14
- EPFL 将于 10 月办 Computational Future 工作坊，多位 LLM 圈老人参加 — frederickaplan · 2026-10-14
- IBM 联合 Fugaku 完成迄今最大 12635 原子量子化学模拟 — aronchick · 2026-10-14
- Anthropic 发布 217 页 Gemini 4 能力与倾向安全评估报告 — JMateosGarcia · 2026-10-14
- 港中深团队发布 UNITAS:首个 3D 原生世界动作模型,1.7B 参数 — CUHKSZ · 2026-10-14
- 联合训练多表示全面增益，BGE-m3 与 NeoMME 实证 — antoine_chaffin · 2026-10-14