2025-07-05 12:05 新疆 推动世界建模的关键一步

关注前沿科技 2025-07-06 13:13 北京 该公司CentML专门负责优化AI应用程序的运行方式

编辑 | ScienceAI 随着有机合成、材料开发、药物筛选等领域走向高度自动化，实验流程的标准化与可执行性正成为限制智能合成平台进一步发展的关键因素。其中，实验步骤在文献中以自然语言撰写、风格多样、语义模糊，构成了通向自动化的 “最后一道语言壁垒”。 大语言模型（LLMs）的迅速发展，为化学实验流程的智能理解与自动生成带来了全新机遇。借助其强大的跨语言建模能力，未来的模型有望打通实验文本与可执行指令之间的语义鸿沟，让 AI 真正 “读懂实验”“指导操作”，推动化学研究范式从 “手工理解” 迈向 “语言驱动”。…

编辑 | 萝卜皮 人工智能（AI）的进步有望实现自主科学发现，但大多数系统仍在重复训练数据中潜藏的知识。 几个月前，麻省理工学院（MIT）的 Markus J. Buehler 和 Alireza Ghafarollahi 推出了自主科学发现模型 SPARKS。 这是一个多模态多智能体（Agent） AI 模型，它可以执行整个发现周期，包括假设生成、实验设计和迭代改进，从而在无需人工干预的情况下开发出可推广的原则并生成报告。 论文链接：https://arxiv.org/abs/2504.19017 研…

本文第一作者为 Virginia Tech 计算机系博士 Candidate 曾欣悦，研究聚焦于提升大语言模型的理论可解释性与实证性能，以增强其在实际应用中的可靠性与泛化能力（个人主页：https://susan571.github.io/）。通讯作者为周大为助理教授。 还在为海量 LLM 如何高效选型而头疼？还在苦恼资源有限无法穷尽所有微调可能？来自弗吉尼亚理工大学的最新研究，提出 LensLLM 框架，不仅能精准预测大模型微调性能，更大幅降低计算成本，让 LLM 选型不再是 “开盲盒”！ 论文名称：LensLLM:…

没等来 DeepSeek 官方的 R2，却迎来了一个速度更快、性能不弱于 R1 的「野生」变体！ 这两天，一个名为「DeepSeek R1T2」的模型火了！ 这个模型的速度比 R1-0528 快 200%，比 R1 快 20%。除了速度上的显著优势，它在 GPQA Diamond（专家级推理能力问答基准）和 AIME 24（数学推理基准）上的表现均优于 R1，但未达到 R1-0528 的水平。 在技术层面，采用了专家组合（Assembly of Experts，AoE）技术开发，并融合了 DeepSeek…

本文第一作者叶锐，上海交通大学博士三年级，研究方向是大模型多智能体，联邦学习，博士导师陈思衡，上海交通大学人工智能学院副教授。 OpenAI 将 “组织级智能 (Organizational AI)” 设定为通向 AGI 的第五个重要阶段 —— 期待 AI 能像一个高效协作的组织那样，处理复杂任务并协调大规模运作。多智能体系统（Multi-Agent Systems, MAS）正是实现这一目标的重要探索方向。 然而，构建能够支撑这种复杂智能的 MAS 并非易事，研究者们常面临结构繁多、Prompt 调试…