Tag

engineering

4 篇内容

报告深研2026/08/20

提出一套可审计的 AI Scientist 验证框架，把问题价值、证据接地、计算测试、物理实验、独立复现和责任归属分开检查。

访谈精读对话2026/08/20

精读 Stanford HAI 关于 AI for Science 的公开讨论：当系统可以大量生成假设，问题价值、实验验证、数据偏差与共同体判断反而成为稀缺环节。

简报前沿2026/08/20

把五类被称作 AI Scientist 的系统放在同一张证据地图上，区分假设生成、论文形成、实验闭环、物理验证与独立复现。

备忘深研2026/08/19

模型结果只是起点。问题、证据、数据、实验和采用五道关口，帮助我们判断一项 AI4S 能力距离真实价值还有多远。