斯坦福 SHELDON：假设与观察双空间搜索，推理最高领先 26.7 分
StanfordUniversity · hf · 2026-10-14
斯坦福提出 SHELDON，一个受假设-演绎法和科学发现双空间模型启发的 LLM 科学推理框架。
- 现有 test-time scaling 方法在找证据时耦合于当前假设，偏向局部修正、缺乏对未知假设空间的探索
- SHELDON 将假设空间与观察空间分开表示并联合探索：主动寻找当前假设无法解释的新观察，用这些「未解释观察」暴露理解缺口、驱动新的调查并生成超越现有假设细化的小假设
- 在诊断、抽象推理和优化基准上，最高超出被评基线 26.7 分，新颖解数量最高达基线的 4.5 倍
「研究」频道最新
- FlashVSR+：单张 RTX 4090 跑 4K 视频超分，提速 2 倍省 45% 显存 — MMLab-CUHK · 2026-10-14
- Sber 发布 GreenWAM：一个世界模型通吃 20 类机器人并可直接当策略 — SberRoboticsCenter · 2026-10-14
- 腾讯发布 LifeSearch 基准：最强 agent GPT-5.6 Sol 也仅得 63.4% — Tencent-Hunyuan · 2026-10-14
- Science 发文：更年期或是女性痴呆风险更高的关键原因 — AnnaCiaunica · 2026-10-14
- AI 何时能在物理学上像数学领域那样批量出成果？ — burny_tech · 2026-10-14
- 光子训练 1B GPT-2:绕过反向传播的 DFA 光学预训练登上 PNAS — IgorCarron · 2026-10-14