摘要
本文提出一种范式转变，利用大语言模型（LLM）构建完全自动化的“心智硅基科学”。该框架通过 LLM 采样实验范式，利用认知基础模型模拟行为数据，并以基于 LLM 的程序合成替代手工构建认知模型，从而在广阔的算法假设空间中进行高通量搜索。最后，通过优化由 LLM 批评家评估的“趣味性”指标来闭合发现循环。该系统作为高通量发现引擎，加速理论发展并筛选出供真人验证的实验机制。
AI 推荐理由
论文提出基于 LLM 的自动化科学发现闭环，核心在于模型的自我生成、合成与优化迭代，符合自我进化定义。
研究机构
普林斯顿AI实验室，普林斯顿大学，新泽西州，美国
人类中心人工智能研究所，慕尼黑，德国
慕尼黑路德维希-马克西米利安大学，慕尼黑，德国
论文信息