Kernel Autoresearch：让编码智能体把可迁移归纳偏置写成程序
kenneth0stanley · x · 2026-11-13
Kenneth Stanley 转发了 Richard Suwandi 在 ML Collective「Deep Learning: Classics and Trends」读书会上的分享预告：Kernel Autoresearch for Open-Ended Model Discovery，探讨编码智能体能否帮助发现新的科学模型。
- 核心想法：让智能体发现可复用的归纳偏置，把它们表达为能迁移到未见任务的程序。
- 从分享图看，系统由 LLM 引导的 kernel 搜索（propose→revise→interpret）+ 确定性验证后端（输出形状检查、PSD 测试、一致性检查）+ MAP-Elites 归档（按行为多样性保留最优候选）+ 证书契约（特征映射、谱方法、输入变换、PSD 闭包）构成。
- 分享定于太平洋时间上午 10 点，读书会自 2018 年运行，每周一篇论文、不录像以鼓励提问。
「编程与Agent」频道最新
- Agent 空转烧 token：开发者缺的是一层服务依赖上下文 — Pavan_Belagatti · 2026-11-13
- OpenOrange 发布：Cloudflare Workers 全家桶可跑在任何云上 — GabGarrett · 2026-11-13
- 两个 AI 语音代理打电话搞定搅拌机退款，全程无人类介入 — kimmonismus · 2026-11-13
- LangChain 发起年度「Agent 工程现状」调查，征集真实开发痛点 — hwchase17 · 2026-11-13
- Simular 发布 Box：让 Claude、ChatGPT、Codex 共用一台云电脑 — rohanpaul_ai · 2026-11-13
- 开源法律冲突检测器：纯编码器模型 20 秒扫完双合同 — ladyofcode · 2026-11-13