@umichkim: AI for Science 正从“写文本”转向“写和测试科学代码”。一篇新的 Nature 论文介绍了 ER…
摘要
一篇新的 Nature 论文介绍了 ERA,这是一种通过树搜索迭代编写、运行、评分和改进科学代码的 AI 系统,将 AI for Science 从文本生成推进到代码测试。
AI for Science 正从“写文本”转向“写和测试科学代码”。一篇新的 Nature 论文介绍了 ERA:一种通过树搜索不断编写、运行、评分和改进代码的 AI 系统。关键问题是我们要求它优化什么。https://t.co/2xVo433aOn
查看缓存全文
缓存时间: 2026/06/17 18:02
AI for Science正从“撰写文本”走向“撰写并测试科学代码”。《自然》杂志新论文提出ERA:一个AI系统,反复编写代码、运行代码、评分代码,并通过树搜索改进代码。关键问题在于我们要求它优化什么。https://t.co/2xVo433aOn
相似文章
迈向AI研究的端到端自动化
一篇介绍AI科学家(The AI Scientist)的论文,该系统自动化了从想法生成到同行评审的整个研究生命周期,展示了人工智能在科学贡献方面日益增长的能力。
@tom_doerr:利用23,000个AI代理技能自动化实证研究 https://github.com/brycewang-stanford/Auto-Empirical-Research-…
Auto-Empirical-Research-Skills (AERS) 是一个开源工具包,利用23,000多个AI代理技能自动化整个实证研究流程,从数据清洗到可提交的草稿。
@ai_suxiaole: 现在很多 AI 工具都能帮科研人员省时间 但大多数只解决一个环节: 读文献、写代码、润色论文、整理摘要。 Sakana AI 的 AI Scientist-v2 它想做的是一个能跑完整科研流程的 AI 系统 从生成研究假设开始,到设计实验…
Sakana AI 发布了 AI Scientist-v2,一个端到端的自动化科研系统,能够从生成研究假设到撰写论文自动完成,并已通过同行评审被 ICLR2025 Workshop 接收。
@JIACHENLIU8: AI4S 研究现状:自我演进循环、多智能体系统、智能体技能、科学基准等 —— 都是为了提升文献…
本文批评了当前AI for Science(AI4S)研究专注于弥补前沿模型弱点的做法,认为真正的瓶颈在于科学生态系统,而非单个AI科学家的智能。文章呼吁转向从第一性原理构建AI-Native的科学生态系统。
@_akhaliq: 论文:
一篇论文介绍了Arbor,这是一种AI框架,通过结合策略协调、隔离假设测试和持久知识树,实现跨多个领域的自主科学研究,并迭代改进研究成果。