报告主题：DeepScientist | 如何渐进式地实现超越人类前沿研究的科学突破报告日期：10月23日（周四） 10:30-11:30尽管现有的“AI科学家”系统能够产生新颖的发现，但它们往往因缺乏明确的科学目标而难以产出能解决关键挑战的高价值成果 。为应对此问题，我们引入了DeepScientist，一个旨在进行目标驱动、全自主、长周期科学发现的全新系统 。该系统将科学发现过程形式化为一个贝叶斯优化问题，通过“假设、验证、分析”的分层循环来执行，并利用一个持续累积的“发现记忆库”在探索新奇假设与利用已有成果之间进行智能权衡 。在耗费超过20,000 GPU小时的大规模实验中，DeepScientist生成了约5,000个独立科学构想，并对其中约1,100个进行了实验验证，最终在三个前沿AI任务上以183.7%、1.9%和7.9%的显著优势超越了人类最先进的SOTA方法 。这项工作首次大规模地证明，AI自动化科学发现系统能够持续性地、渐进式地超越人类科研前沿，将数年的研究进展压缩至数周完成 ，这预示着一个由人类智慧设定目标、AI进行大规模探索的科研新范式的到来。翁诣轩（Yixuan Weng）是西湖大学自然语言处理实验室科研助理，师从张岳教授。其研究领域聚焦于大型语言模型的复杂推理与自动化科学发现。以第一、共同第一或末尾作者身份在ICLR、ACL、EMNLP、TPAMI等国际顶级学术会议及期刊发表论文十余篇，谷歌学术引用累计约900次。曾受邀担任ICLR领域主席（Area Chair），并曾成功组织了AI Co-Scientist @ICLR 2025研讨会。代表作包括DeepScientist, CycleResearcher, DeepReview和Self-Verification。其中CycleResearcher系首个经过同行评审的全流程科研大模型，并被外国科技媒体TuringPost评为AI自主科学发现全球十大进展。
扫码报名
更多热门报告
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢