@lillian_ma_: 值得关注的自动化研究实验室:@AutoScienceAI(@eliot_cowan)——最纯粹的“AI构建AI”之一:智能体……

X AI KOLs Timeline 新闻

摘要

一则推特串强调了新兴的自动化研究实验室,它们正在构建AI系统来全自动化研究循环,从提出假设到进行实验。

值得关注的自动化研究实验室: @AutoScienceAI(@eliot_cowan) 最纯粹的“AI构建AI”之一:智能体能够发明、测试并交付机器学习模型,而不仅仅是调优超参数。 @intology(@zhouandy_) Zochi和Locus专为完整研究循环打造:阅读、提出假设、编码、运行数千次实验、从失败中学习、重复。 @thesis_labs(@eigentopology) YC F25。将机器学习研究视为一个复合搜索问题,每次实验都能优化下一次实验,而非停留在Notion文档中。 @Recursive_SI(@RichardSocher, @_rockt, @jeffclune) 一个非常雄心勃勃的新赌注:让AI系统运行开放式实验,以探索如何让AI系统变得更好。具有递归效应的自动化研究。 @EdisonSci(@SGRodriques, @andrewwhite01) FutureHouse新近分拆的公司,将AI科学家引入生物制药研发领域——在那里,“深度研究”必须经得起真实数据、真实实验和真实时间线的考验。 @HarmonicMath(@tachim, @vladtenev) 数学领域的自动化研究版本:AI探索新的证明,用形式化验证作为抗幻觉层。 @readysetpotato(@Nick___Edwards) 面向实际研究流程的AI科学家——论文、假设、方案、计算工具,最终实现实验室自动化。 @EvoScientist(@_xizhang) 一个非常早期的观察对象:具有持久记忆的多智能体AI科学家,使失败的想法和实验能改进下一个研究循环。 @SakanaAILabs(@hardmaru) 最初的AI科学家构建者。仍然是研究工件、开源和真正运行的古怪想法的最佳技术关注对象之一。 非详尽列表——在评论中补充我遗漏的早期团队。
查看原文
查看缓存全文

缓存时间: 2026/06/23 14:09

值得关注的自动研究新兴实验室:

@AutoScienceAI (@eliot_cowan)
最清晰的“AI 构建 AI”押注之一:让智能体发明、测试并交付机器学习模型,而不仅仅是调优超参数。

@intology (@zhouandy_)
Zochi 和 Locus 专为完整的研究循环打造:阅读、假设、编码、运行数千次实验、从失败中学习、循环往复。

@thesis_labs (@eigentopology)
YC F25 项目。将机器学习研究视为一个复合搜索问题,每次实验都在改进下一次实验,而不是在 Notion 文档中消亡。

@Recursive_SI (@RichardSocher, @_rockt, @jeffclune)
一个非常雄心勃勃的新赌注:搭建运行开放式实验的 AI 系统,探索如何让 AI 系统变得更好。具有递归后果的自动研究。

@EdisonSci (@SGRodriques, @andrewwhite01)
FutureHouse 的最新分拆公司,将 AI 科学家引入生物医药研发——在这里,“深度研究”必须经得起真实数据、真实实验和真实时间表的考验。

@HarmonicMath (@tachim, @vladtenev)
数学领域的自动研究:AI 探索新的证明,用形式验证作为反幻觉层。

@readysetpotato (@Nick___Edwards)
一种面向实际研究工作流的 AI 科学家——论文、假设、实验方案、计算工具,最终还有实验室自动化。

@EvoScientist (@_xizhang)
一个非常早期的观察对象:具有持久记忆的多智能体 AI 科学家,让失败的思路和实验改进下一个研究周期。

@SakanaAILabs (@hardmaru)
AI 科学家的原始构建者。在研究成果、开源以及那些真正跑得通的古怪想法方面,仍然是最值得关注的技术账号之一。

以上并非详尽无遗——在评论中添加我遗漏的早期团队吧

@zhengyaojiang @WecoAI 有什么特别之处?

应该把你们加上去

你想和哪家公司聊聊?

超级有趣!我应该私信谁索取私人活动邀请?

他在构建什么?

Axiom 下个月会去 ICML 吗?

看起来很酷。我会在我的圈子里帮忙推广。

相似文章

AutoResearch AI:迈向人工智能驱动的研究自动化以实现科学发现

arXiv cs.AI

本综述审视了人工智能驱动的研究自动化(AutoResearch)这一新兴领域,分析了AI系统如何从孤立的任务辅助转向完整的工作流级别的科学发现。它定义了从人类引导的‘Vibe Research’到AI主导系统的光谱,并提出了五个评估科学可信度的维度。

AutoResearch AI:迈向AI驱动的科学发现研究自动化

Hugging Face Daily Papers

一篇综述论文,探讨了AI从特定任务助手到工作流级研究自动化工具的转变,将AutoResearch定义为AI驱动的科学工作流自动化的光谱,并分析了自主性、可重复性和问责制方面的挑战。