标签
LLM-AutoSciLab是一个闭环框架，利用LLM迭代生成假设、选择信息量大的实验并优化机制，在物理和生物学基准测试上相比之前的静态方法实现了更高的准确性和样本效率。
两种独立的脑植入系统——ICVP和闭环视觉神经假体——通过直接刺激视觉皮层恢复盲人的部分视力，其中一种设备还能根据大脑信号进行自适应调整。
LEAP框架将领域专业化的大语言模型与主动学习相结合，高效地对钙钛矿太阳能电池的前驱体添加剂进行优先级排序，在实验验证中实现了功率转换效率的提升。
本文提出了一种用于CAD生成智能体的记忆增强强化学习框架，该框架集成了几何内核工具链、双轨记忆和动态效用检索，以处理具有长操作序列和几何约束的复杂CAD模型，从而提升了成功率和几何一致性。
本文介绍了一种使用OpenAI的Codex构建自修复智能体循环的方法，智能体通过结构化反馈循环迭代地审查、修复和验证输出，并提供了一个修复过时API文档的实例。