研究人员开发了 ATLAS，一个主动学习框架，旨在通过生成和测试机制性假设来自动化科学发现。该系统在认知科学问题（如恢复强化学习代理）上进行了测试，创建了可解释的模型并设计了实验来区分它们。ATLAS 在样本效率方面表现出显著的改进，优于随机实验甚至专家设计的实验。 AI
影响 通过自动化可解释模型中的假设生成和实验设计来加速科学发现。
排序理由 该集群包含一篇详细介绍新框架及其实验结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
新框架通过主动学习自动化科学发现
报道来源 [2]
-
ATLAS: Active Theory Learning for Automated Science
arXiv:2606.12386v1 Announce Type: cross Abstract: Advancing scientific understanding through mechanistic modeling requires posing the right experimental questions to yield maximally informative data. To automate this pursuit within cognitive science, we introduce ATLAS (Active Th…
-
ATLAS：用于自动化科学的主动理论学习
Advancing scientific understanding through mechanistic modeling requires posing the right experimental questions to yield maximally informative data. To automate this pursuit within cognitive science, we introduce ATLAS (Active Theory Learning for Automated Science), an active le…