@VraserX: Lila的科学家最初认为他们的AI工作流程出了问题。它选择的材料看起来没有前景。Th…
摘要
Lila的科学家最初怀疑他们的AI工作流程的材料选择,但持续测试显示,一种催化剂在酸性实验室条件下存活了超过1000小时,突显了在研究中探索非传统想法的价值。
Lila的科学家最初认为他们的AI工作流程出了问题。它选择的材料看起来没有前景。
他们继续测试。Lila现在报告说,其领先的催化剂在酸性实验室条件下存活了超过1000小时。
我会给每个研究实验室一个预算,用于测试其高级人员认为不会成功的想法。
你会为你的最佳专家可能出错的可能性留出多少预算?
查看缓存全文
缓存时间: 2026/09/28 15:34
Lila 的科学家最初以为 AI 工作流程出了差错——它选中的材料看起来毫无潜力。
他们坚持测试。如今 Lila 报告称,其最优秀的催化剂已在酸性实验室环境中稳定运行超过 1,000 小时。
我认为每个研究实验室都应为验证资深人员认为“不可行”的想法预留预算。
若你最好的专家可能出错,你愿意为此投入多少资源?
相似文章
@VraserX: 在前沿AI实验室中,人类优势日益被描述为研究品味。选择正确的问题。知…
在前沿AI实验室中,人类优势日益被描述为研究品味,这包括选择正确的问题和知道哪些结果值得信任。如果AI模型也能获得这种能力,研究循环可能会彻底改变。
AI助力设计能在现实世界中应用的新材料
MIT研究人员提出了一种名为CrysVCD的框架,通过强制执行价键规则来增强AI生成材料的化学稳定性,使其更适合应用于计算机芯片和火箭等现实世界场景。
@rohanpaul_ai: Anthropic新研究表明,AI智能体在代码方面可能表现卓越,但在生物学领域,它们可能在科学工作开始之前就失败……
Anthropic的研究揭示,AI智能体在生物学数据库方面存在困难,对同一个查询会产生高度差异的答案(例如,埃博拉序列计数范围从5到106,而预期为266),但添加一个可重复的检索工具能显著提高一致性和准确性。
Stanford/Princeton AI4S 发布 LabOS²——这款从干实验室规划到湿实验室执行的自主AI系统,利用物理AI辅助科学家,现已能够执行完全自主的细胞培养工作流程。
斯坦福大学和普林斯顿大学的 AI4S 项目发布 LabOS²,这是一款能够执行完全自主细胞培养工作流程的智能体AI系统,涵盖从干实验室规划到湿实验室执行的全过程。
@robertnishihara: 这个演讲现已上传! https://youtube.com/watch?v=Sv0wfbPp5LI…
Lila Sciences 正在开发一个集成的 AI 驱动平台,以自动化科学实验,使用 AI 模型和机器人技术来解决科学中不可验证的假设,愿景是创建科学智能的缩放定律。