ReRoute 框架:物理知识+微调,CO₂ 漂移误差降 31.8%
AnimaAnandkumar · x · 2026-10-14
Caltech 教授 Anima Anandkumar 团队发布 ReRoute,一个科学反事实预测框架,解决 AI 模型在科学「假设性问题」上泛化差的问题。
核心思路:结合观测数据与部分物理知识,在不做新控制实验的情况下预测未见的干预;用已知的部分物理机制引导预训练模型,只需在现有数据上做轻量微调,无需重新训练。
结果:
- 气候模拟器在严重 CO₂ 分布漂移下,预测误差最多降低 31.8%
- 对流-扩散受控实验中反事实误差最多降低 89.6%
- 无需新干预数据、无需从头重训
「研究」频道最新
- 作者晒形式化证明成果,建议用 AI 拆解证明策略 — tak3sh8 · 2026-10-14
- arXiv 论文:LLM 智能体在 5 个黑盒优化任务中 4 个胜过顶级数值优化器 — lulzxdxdxd · 2026-10-14
- Strogatz 上 NPR 谈 AI 横扫数学:没有难题之后怎么办 — stevenstrogatz · 2026-10-14
- MeRN 预印本发布：从转录组数据推断单细胞代谢状态 — anshulkundaje · 2026-10-14
- 基因组语言模型 Minerva 发布，可在浏览器中秒级预测碱基配对 — anshulkundaje · 2026-10-14
- 三项随机实验 1222 人:撤走 AI 后表现反不如没用过的人 — derrikson · 2026-10-14