Tom Zahavy
PulseAugur coverage of Tom Zahavy — every cluster mentioning Tom Zahavy across labs, papers, and developer communities, ranked by signal.
-
AI的科学发现潜力辩论：自动化 vs. 具身
两种近期观点对当前AI在科学发现中的能力提出了挑战。一种观点，以Jeff Dean的新公司Discovery Loop为例，认为AI可以通过大规模、快速的实验来自动化整个科学发现周期。相反，来自Chaotropy和DeepMind的Tom Zahavy等来源的论点表明，AI，特别是没有物理具身能力的LLM，存在上限。这些批评者认为，AI目前缺乏真正的科学发明和生成新框架所必需的感官基础和实验能力，将其限制在现有范式内的优化。
-
Google DeepMind 研究员：AI 模型陷入统计困境，缺乏创造性飞跃
Google DeepMind 的 Tom Zahavy 表示，当前的语言模型陷入了统计困境。他认为这些模型缺乏真正科学突破所需的创造性飞跃。Zahavy 建议 AI 需要超越模式识别来实现真正的创新。
-
Google DeepMind 研究员：LLM 缺乏创新火花，世界模型或将成功
一位 Google DeepMind 的研究员认为，目前的语言模型由于缺乏真正的创新所需的认知机制，无法发起科学革命。该研究员提出，“世界模型”能够模拟和理解物理世界，可能更适合推动此类突破。这一观点挑战了先进语言模型本身就能带来科学发现范式转变的观念。
-
像 Kimi k3 这样的 LLM 缺乏创造性推理，呼应了爱因斯坦时代的论点
作者认为，即使是像 Kimi k3 这样拥有海量参数的当前大型语言模型（LLM），在进行真正的创造性飞跃或解决矛盾方面也存在根本性的局限性。这种局限性源于它们依赖归纳和演绎，呼应了 Amni Rusli 在 2014 年的一篇博文中提出的论点以及 Google DeepMind 最近题为“LLMs Can't Jump”的论文。这些来源表明，虽然 LLM 擅长根据现有数据（归纳）生成流畅的文本并遵循逻辑步骤（演绎），但它们缺乏溯因（a…