00:00 / 03:47
连播
清屏
智能
倍速
点赞2087
00:00 / 01:49
连播
清屏
智能
倍速
点赞2
00:00 / 08:21
连播
清屏
智能
倍速
点赞8
00:00 / 00:22
连播
清屏
智能
倍速
点赞0
00:00 / 02:56
连播
清屏
智能
倍速
点赞NaN
00:00 / 02:00
连播
清屏
智能
倍速
点赞228
00:00 / 00:18
连播
清屏
智能
倍速
点赞11
00:00 / 06:23
连播
清屏
智能
倍速
点赞67
Qiuming1周前
AI做科研不靠“想得深”,靠“试得多” 清北斯坦福联手推出SimpleTES:AI做科研不靠“想得深”,靠“试得多” 来自清华、北大、斯坦福等顶尖机构的研究团队,推出了名为 SimpleTES 的AI科研新框架。它颠覆了当前“让模型思考更久”的主流思路,主张通过系统化放大“试错-反馈-进化”循环来驱动科学发现。 核心思路: SimpleTES不盲目追求模型“脑力”,而是通过三个维度的并行与迭代,将科研试错效率最大化: 并行探索:同时开启多条独立思路,避免一条路走到黑。 迭代精修:每条思路根据反馈持续优化,而非一次生成答案。 局部海选:每步生成多个候选方案,择优进入下一轮。 惊人成果: 在涵盖数学、量子计算、基因测序、GPU优化等6个领域的21个科学难题上,SimpleTES均刷新了最佳纪录: 数学:刷新了“圆填充”问题的已知最佳解,并将Erdős重叠问题记录推向新极限。 量子计算:将超导量子计算机的指令开销降低近25%,性能远超行业金标准。 算法工程:从零发现的程序,在顶级编程竞赛中击败所有人类提交的方案。 数据科学:发现的扩展定律(Scaling Law)比人类推导的拟合度提升352%。 此外,团队还通过“轨迹级后训练”解决了AI的“短视”问题,让模型学会长线思维,从而具备可迁移的科研元能力。相关代码已开源,试用平台已上线。
00:00 / 03:01
连播
清屏
智能
倍速
点赞0
00:00 / 00:36
连播
清屏
智能
倍速
点赞48
00:00 / 07:53
连播
清屏
智能
倍速
点赞16
00:00 / 01:01
连播
清屏
智能
倍速
点赞39