arXiv cs.AI· Surya Shetty, Ulisses Braga-Neto·· 9 天前AI 评分24
LLM-IDEA：可辨识性驱动的实验智能体，自主发现机制世界模型
LLM-IDEA: Identifiability-Driven Experimental Agent for Autonomous Discovery of Mechanistic World Models
AI 导读
研究者提出可辨识性驱动的实验智能体 LLM-IDEA，其可辨识性引擎对实验平台期给出三分类判定：能力上限、设计类内可解、或已证明穷尽。在 ODEBench 上，62 个含自由常数的系统中 60 个在第 0 轮即可辨识，RC 电路被判定为穷尽，收获模型仅需增加一个初始条件即可求解。
正文 · AI 翻译
摘要：大语言模型智能体正越来越多地被部署为自主科学家，在极少人工监督下设计实验并推断机制性世界模型。然而可辨识性常被忽视：当遇到平台期时，智能体需要知道是自身能力尚不足，还是模型根本无法从数据中辨识——在后一种情况下，再多同类实验也无济于事。我们提出可辨识性驱动实验智能体（LLM-IDEA），用于闭环发现，其可辨识性引擎返回三向平台期判定：能力极限、可在设计类内解决、或已证实穷尽。在 ODEBench 上，62 个含自由常数的系统中，60 个在第 0 轮即可辨识；RC 电路对该协议能运行的每个实验都被证实穷尽，而一个收获模型只需增加一个初始条件即可解决。可辨识性引擎在 Lotka-Volterra、Van der Pol、Lorenz 以及一个药代动力学模型上复现了已知判定，其中它推荐了药理学家使用的静脉给药组，并在四种观测设计中把我们自己基准的深度评分器排在最后。在 DiscoverPhysics 基准上，它发现两个公开世界，其解释评分标准奖励了一种任何合法实验都无法做出的区分，且那里所有轨迹准确的模型都未通过解释评分（15/15，而可辨识世界中为 5/9，p = 0.012）。在 Alien Universe——我们提出的一个二体测试平台，其中力律在可证明不可辨识协议与可辨识协议之间切换——上，LLM-IDEA 在可辨识协议下于 8/8 个随机种子达到至少三级的发现深度，而无它时为 1/8。因此，自主发现智能体可以计算而非猜测：平台期是需要更多搜索、同类中更好的实验，还是不同种类的实验。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.11253 [cs.AI] |
| （或 arXiv:2610.11253v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11253 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ulisses Braga-Neto [查看电子邮件]
[v1]
2026年10月8日星期四 05:01:30 UTC（116 KB）
来源：arXiv cs.AI · arxiv.org