★ 4
Agent4Sci 测试台：Claude Opus 在 20 项科学 ML 基准上平均提升 10.4%
论文推出 Agent4Sci 长周期测试台，覆盖 11 个领域 20 项科学机器学习基准，衡量前沿编码智能体在真实条件下能多大程度改进已发表最优模型。结果显示前沿智能体在所有基准上均有提升，Claude Opus 平均相对改进 10.4%，但增益几乎全部来自 ML 工程技巧而非研究级洞察。轨迹分析…
arXiv cs.AI11 天前
#自动化科研
共 8 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
AI 研究团队自主发现线性注意力架构，1.3B 规模超越 GDN2
论文构建由不同学科背景的持久化 AI 研究者组成的团队，各自保留私有研究历史、共享实验证据并通过自适应分配获得研究机会。该团队在搜索线性注意力架构时，于 1.3B 规模的语言建模、常识推理与检索任务上超越 GDN2；消融显示学科背景、私有历史与自适应分配缺一不可。
arXiv NLP11 天前
★ 3
AI 科学家自主生成并验证生物学新发现
瑞典查尔姆斯理工大学相关消息称，一个 AI 科学家系统能够自主生成并验证新的生物学发现。这标志着 AI 在科研自动化方向上的进展，从提出假设到实验验证形成闭环。
Hacker News – AI32 天前
★ 3
LabFactory：构建可执行 AI 实验室
论文提出 LabFactory 框架，让 AI 构建者将科学任务简报转化为可执行的 AI 实验室——集成模型、知识资源、工具与控制器的任务专用求解器。交付物由独立主机在留出输入上执行并按任务协议评分，28 个构建案例在全部 33 个子测试中均超过参考值，表明 AI 智能体可端到端交付可调用、可检查…
arXiv cs.LG38 天前
★ 3
AI研究智能体的递归自我改进
一篇arXiv论文探讨AI研究智能体的递归自我改进能力，即智能体能否自主改进自身的研究与推理流程。该方向涉及自动化科研与智能体进化，具有潜在深远影响。
Hacker News – AI39 天前
★ 2
论文对比 AI 科学与人类科学的研究路径
一篇论文比较 AI 驱动的科学研究与人类科学研究的差异，探讨自动化科研在假设生成、验证与方法论上的特点与局限。该讨论关乎 AI 在科学发现中的角色定位。
Hacker News – AI6 天前
★ 2
SIDERIUS：物理时序的智能体 ML 开发评估协议
论文提出 SIDERIUS，一个面向物理时序科学机器学习的 LLM 智能体系统，强调科学有效性而非单一分数，结合可组合能力编排、多层科学评估协议与资源感知探索。在 TIDMAD 基准上，使用 GPT 编排器的 SIDERIUS 有效模型提出率达 63.8%，远高于通用 Codex 编码智能体的 1…
arXiv cs.LG19 天前
★ 2
TasteVal：AI 是否具备研究品味
一项名为 TasteVal 的评测尝试衡量 AI 是否具备「研究品味」，即判断哪些研究方向值得投入的能力。该话题触及 AI 能否自主提出有价值科研问题的核心争议，但目前仅为一个评测页面，尚无更多细节。
Hacker News – AI26 天前
这个主题的相关资产
相关公司OpenAI1