AI 精选动态
智能评分 67
MIT 自修订 AI 科学框架
AI 推荐理由
如果关注 AI for Science 或 agent 形式化基础，这篇值得点开原文看其“schema 扩展 + 可验证发现”的定义方式，以及两个案例是否能推广到更一般的科研任务。核心解读
MIT 团队在 arXiv:2606.01444 发表论文《Self-Revising Discovery Systems for Science: A Categorical Framework for Agentic Artificial Intelligence》，提出一种可自我修订的 AI 科学家框架。该框架不只在固定科学词汇空间中搜索，还能在需要时扩展词汇本身，新增变量、工具、验证器和模型结构，并将证据、工具、产物、验证、失败与主张表示为带类型的 provenance。作者将系统分为三种模态：1）retrieval，加入已知对象；2）search，在固定 schema 中探索；3）discovery，触发可验证的范式转移，并声称通过 typed copresheaf 与 Kan obstruction 将“发现”和“搜索”区分开来。论文案例包括 Builder/Breaker 模型发现蛋白质中的 mode-conditioned compliance，以及 CategoryScienceClaw 找到各向异性纤维网络刚度规律。