关键词scientific understanding
搜索结果 - 4
- 大型语言模型对齐与安全的基础挑战
针对大型语言模型(LLMs)的对齐和安全问题,本研究确定了 18 个基础挑战,并将其组织成科学理解、开发和部署方法以及社会技术挑战三个不同类别。根据这些挑战,我们提出了 200 多个具体的研究问题。
- 人工智能时代的生物学理解
现代生命科学研究越来越依赖于人工智能方法来模拟生物系统,主要集中在使用机器学习模型上。然而,机器学习在生物科学中的广泛应用表明其与传统科学探究方法存在显著差异,这种相互作用对未来的科学研究具有重要意义,但却受到较少关注。在本研究中,我们借鉴 - 人类和机器科学理解的基准创建
本文提出了一种基于科学哲学的框架,利用行为学概念来评估机器智能和人类的科学理解水平,并通过一组测试建立了科学理解基准,以便评估和比较不同方法和水平。
- MM关于人工智能在科学认知中的应用
本文探讨了人工智能在科学理解方面的贡献,阐述了其作为计算显微镜、灵感资源和未来的理解者三个维度,提出了新的推进人工智能在科学理解中的应用的途径。