SciGame 基准发布：评测 LLM 智能体科学定律发现能力
原文标题：SciGame: Let Agents Play the Scientific Discovery Games in the Real and Counterfactual World
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出 SciGame 受控基准，把科学文献转成结构化科学卡片，每张卡片生成原始与反事实两套同接口环境，并区分历史经典定律与模型知识截止后新论文。在五个前沿模型上实验发现：熟悉的先验在规律被改动后反而有害，自适应实验只对最强模型有帮助，且解释合理可能掩盖定量失败。
- 问题
- 现有科学发现基准混入编程、只评数据拟合，且无法区分预训练先验与实验证据。
- 方法
- 把文献转成科学卡片，每张生成原始与反事实两套同接口环境，并分历史定律与知识截止后新论文两集。
- 结果
- 五个前沿模型上：先验在规律被改动后反而有害；自适应实验只帮最强模型；解释合理可掩盖定量失败。
- 影响
- 提醒别把「解释得像」当成「发现得对」，评估科研智能体需用反事实环境隔离记忆。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SciGame 基准用原始/反事实成对环境和知识截止后论文，发现熟悉先验在规律被改动后反而有害。
- •把科学文献转成结构化科学卡片，每张生成原始与维度一致的反事实两套同接口环境
- •分历史经典定律集与模型知识截止后新论文的时序集，含候选引导识别与开放式发现两种设置
- •五个前沿模型上：规律被改动后熟悉先验损害表现；自适应实验只帮最强模型、在有限预算下伤弱模型
- •解释合理可能掩盖定量失败；即便正确解读证据，恢复精确符号形式仍是主要瓶颈
为什么重要：现有科学发现基准混入编程、只评数据拟合且不分离预训练先验；该基准把「真推理还是背先验」变成可测问题。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。