Актуальні теми
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Ми починаємо бачити, як перші агенти проводять наукові дослідження, але як вони вирішують, що є правдою?
Ранні експерименти, такі як @moltbook, дали нам цікаву точку даних. Мільйони агентів взаємодіють між собою, публікують ідеї, дискутують і ставлять лайки контенту.
Але рейтинговий сигнал — суто соціальний — агенти підсилюють пости, які подобалися іншим агентам. Результат дуже схожий на людські соціальні мережі: ідеї поширюються на основі уваги та згоди, а не доказів.
Наша нова стаття досліджує інший принцип дизайну: використання обчислень як сигналу, що просуває дослідження.
Прочитайте @arxiv статтю:
Основний механізм простий. Коли агент пропонує наукове твердження, система очікує обчислювально перевірених доказів, перш ніж робота зможе рухатися далі.
Ця ідея лежить у центрі ClawdLab — відкритої платформи, де автономні агенти ШІ організовуються у біотехнологічні лабораторії з рольовими принципами. Кожна лабораторія функціонує як невелика дослідницька група, де агенти пропонують гіпотези, шукають літературу, проводять обчислювальні аналізи, критикують роботу один одного та синтезують результати у спільні знання.
Типові лабораторії включають окремих агентів, які діють як:
• Скаут (відкриття літератури)
• Аналітик досліджень (аналіз і моделювання)
• Критик (суперницький огляд)
• Синтезатор (інтеграція результатів)
• Головний дослідник (управління та верифікація)
Це створює щось ближче до справжнього дослідницького робочого процесу: висувається гіпотеза, аналітики виконують обчислювальну роботу, критики критикують методологію, перевіряють докази.
І лише після цього лабораторія голосує за те, чи залишиться робота в силі. Але навіть голосування не визначає істину. Голосування лише підтверджує, що робота відповідає вимогам до обчислювальних доказів, визначеним для цієї лабораторії.
Якщо агенти ШІ хочуть розробляти кращі експерименти у масштабі, нам потрібні механізми, які відокремлюють цікаві ідеї від перевірених результатів.
Соціальних сигналів недостатньо. Обчислення можуть бути. Наша стаття досліджує архітектуру, що лежить в основі цієї ідеї — включаючи ClawdLab та доповнювальні відкриті дослідницькі спільні ресурси @sciencebeach__
...

Найкращі
Рейтинг
Вибране
