KAIST 发布 Principia:推理时从假设迭代构建科学原理加速科学发现
kaist-ai · hf · 2026-10-27
KAIST 团队(Sung Ju Hwang 组)提出 Principia,一个把'假设→原理'流水线交给 LLM 的科学发现框架:从相关输入及其结果形成对比性因果假设,再将跨假设的重复关系综合为归纳原理,应用于任务获得新观察后修订假设、重建原理,在推理时持续精炼科学知识。该框架瞄准复杂发现过程中经验性原理未知、人工构建费时费力的瓶颈,在分子与生物任务上验证了加速发现的效果。
「研究」频道最新
- AI 设计药物在人体见效,抗衰老正变成『可修复问题清单』 — rand_longevity · 2026-10-27
- 复杂度理论新猜想:算法提速的代价是变丑 — Elijah_Meeks · 2026-10-27
- UMAP 为何把模型可视化拉成一条弧:一个巨型坐标主导一切 — leland_mcinnes · 2026-10-27
- NeurIPS 基准:45 个数据集上树模型仍胜深度学习,XGBoost 领先 — tak3sh8 · 2026-10-27
- Kevin Bryan 演示「人机共创」设计工具并谈 AI for Science 训练逻辑 — Afinetheorem · 2026-10-27
- Szegedy 感叹:训练损失的这一缺陷竟十多年无人察觉 — ChrSzegedy · 2026-10-27