研究简报AI 与科学 · 2024 年 5 月 8 日
← FUURAA 前沿研究
研究方向 07
因果与科学智能
发现需要证据、反事实与前瞻验证。关注 AI 如何成为数学、因果推理、仿真、假设生成与科学发现的工具，同时研究如何保持有效性、多样性与可复现性。
研究方向，不代表相关产品已经发布中英双语 · 原始来源 · 证据标识
FUURAA 概念视觉开放研究问题
在领域快速发展时，仍应保持可见的问题。
相关研究出版物
通过 FUURAA 研究视角重新审视证据。
动态证据雷达
与这一研究方向相关的近期信号。
前瞻预测SubtleMemory research team · 2026 年 6 月 4 日
记忆质量将通过后续决策检验
该基准区分保存、检索和推理阶段，说明成功存储并不保证正确协助。
→正在形成Stanford HAI · 2026 年 5 月 21 日
基准选择正在成为一门独立的测量科学
自适应测量重新定义了评估：并非每一道题都能提供同等信息。选择正确的测试项目，可以在减少浪费的同时改善能力估计。
→已经发生Google DeepMind · 2026 年 5 月 7 日
“生成—验证—进化”正在成为可落地的发现方法
AlphaEvolve 展示了一种可重复的路径：模型提出候选程序，客观评估器进行测试，进化循环保留更优解。公开案例已从计算与数学延伸至基因组、电力系统和地球科学。
→正在形成Google DeepMind · 2026 年 5 月 7 日
评估器的重要性可能不亚于生成模型
算法发现 Agent 的价值取决于候选结果能否被快速、一致并规模化地测试。更好的评估器可以把模型的广泛创造力转化为更可靠的实验进展。
→已经发生Google DeepMind · 2026 年 5 月 7 日
算法正在成为由机器发现的科学成果
AlphaEvolve 的公开成果包括多个形式化领域中的优化程序与候选解。由于代码能够运行和测量，算法可以同时成为假设和可检验成果。
→正在形成Google DeepMind · 2026 年 5 月 7 日
AI 发现的效率提升可能在基础设施中持续复利
相同的发现模式已被用于计算、量子电路和电力潮流优化。当改进被嵌入高频运行的基础设施时，微小的算法提升也可能反复产生价值。
→前瞻预测Google DeepMind · 2026 年 5 月 7 日
机器发现的方法将需要可审计的来源链
当自主搜索参与重要工程与科研成果时，所用模型、提示、评估器、数据及人类决策将成为成果可信度的一部分。
→已经发生Stanford HAI · 2026 年 3 月 25 日
AI 预审正在成为科研质量的新层级
斯坦福介绍了在大规模科学评审中使用 AI 辅助的实验。当前最成熟的用途，是在正式投稿前发现缺口、不一致和技术问题。
→