LLM辅助的贝叶斯代理加速机械世界模型发现

研究人员开发了一种模型发现代理（MDA），它使用大型语言模型（LLM）来辅助贝叶斯实验设计，从而高效地发现机械世界模型。MDA将LLM提议器与贝叶斯机制相结合，包括用于后验的序贯蒙特卡洛、用于难解似然的基于仿真的推理以及用于实验设计的价值信息。这种方法允许MDA在干预最少的情况下识别潜在的机械世界模型，即使真实模型不在初始假设类别之外。该系统在物理学、化学和生物学领域的基准测试中展示了在数据高效模型学习和可靠干预预测方面的最先进性能。 AI

影响 这种方法通过优化实验设计，可以显著降低科学发现的成本和时间。

排序理由 该集群包含一篇详细介绍新模型发现方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Bayes' theorem
• DPBench
• HHbench
• Hugging Face
• kabra2026autoscilab
• large language model
• Model Discovery Agent
• sequential Monte Carlo
• simulation-based inference
• value-of-information
• wiemann2026discoverphysics

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →