在2026年智涌·外滩大会上,普林斯顿大学的王梦迪强调,当前的大语言模型虽然拥有海量知识,但在进行新颖科学发现方面的能力有限。这些模型倾向于选择最可能的结果,而忽略了真正突破往往隐藏在长尾可能性中。王梦迪的团队发现,像ChatGPT和Claude这样的LLM在模拟生命实验中,常常高估常见情景并低估少数情景。她认为,AI实现独立科学发现的途径不在于更大的模型,而在于构建更多可验证的真实世界实验基础设施。 AI
影响 当前AI模型更适合具有明确验证的任务,在没有改进实验基础设施的情况下,其突破性科学发现的能力受到限制。
排序理由 专家对AI能力和局限性的看法。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →