报告主题：AI for Scientific Discovery｜智能体系统PiFlow，基于信息论的自动化科学发现

报告日期：12月30日（周二）10:30-11:30

报告要点：

本期报告将由西湖大学蒲应明进行分享。
现有大语言模型多智能体系统在自动化科学发现中展现出巨大潜力，但往往存在假设缺乏方向性、证据与假设联系模糊、泛化能力有限等问题。为解决上述痛点，西湖大学&浙江大学研究团队提出了「PiFlow」，一个基于信息论的自动化科学发现框架，包含：
1. 假设-验证循环：由假设智能体和实验智能体构成；
2. PiFlow指导模块：核心指导策略是Min-Max优化机制，平衡科学发现中最小化累积遗憾和最大化信息增益两大关键需求。
实验表明，与基准的纯LLM智能体系统相比，PiFlow在纳米螺旋结构优化、生物分子活性优化、超导体候选材料发现三个任务中平均提升了73.55%的发现效率（以AUC衡量）和94.06%的解质量（以SQ衡量）。同时，PiFlow也显著优于其他如ReAct、MPO等先进的多智能体方法。
相关论文：
PiFlow: Principle-aware Scientific Discovery with Multi-Agent Collaboration
图片
报告嘉宾：
蒲应明，论文一作，西湖大学博士生，研究兴趣为AI智能体用于科学发现，主要基于大语言模型多智能体系统，实现高效的规划算法和决策机制。
图片

扫码报名

更多热门报告

图片


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