arXiv cs.AI· Wenbin Mao, Pei Zou·· 11 小时前AI 评分38
最小描述长度无监督区分自改进科学智能体中的定律级与统计级知识，并揭示其 86% 的发现仅为统计规律
Minimum Description Length Unsupervisedly Separates Law-Grade from Statistical-Grade Knowledge in a Self-Improving Science Agent - and Reveals 86% of Its Own Discoveries Are Statistical
AI 导读
一个已通过留出预测检验收录 252 条关系的自改进科学智能体，用模型选择中的最小描述长度压缩比作为无监督认知分级器，其压缩排名最高档精确找回 vis-viva、Balmer/Rydberg 等规范定律及跨测量恒等式（超几何检验 p=3.6×10⁻¹²），零反例。
正文 · AI 翻译
摘要：如今，能够发现科学关系的 AI 系统已能大规模生成候选“定律”，但瓶颈已从生成转移到审查：哪些候选值得相信？我们表明，一个已部署的自我改进科学智能体——它已通过留出预测法庭接纳了 252 条关系——已经计算出了回答这一问题的量：用于模型选择的最小描述长度压缩比，在离散核算下解读时，兼作无监督的认知评分器。该智能体账本中按压缩比排序的顶部区间，恰好找回了其发现中的经典定律（七颗行星的 vis-viva、Balmer/Rydberg）以及跨测量恒等式——在超几何检验下富集度 $p=3.6\times10^{-12}$——零反例，且具有物理上自洽的区间结构。同一视角回溯性地揭示，账本中 86% 的内容没有压缩任何东西（$\mathrm{cr}\approx 1$）：该智能体一直在记录统计规律性，包括一个通过预测门接纳、留出 $R^2=0.541$ 的学习型预测器，而其所依据的叙事是“压缩是知识的统一价值”——这一叙事对它们而言从未成立。我们将由此产生的双轴记账形式化——预测价值（$R^2$）与压缩价值（cr）作为几乎解耦的知识轴——证明其对量化的稳健性，并登记可前瞻证伪的预测。据我们所知，这一事件是首个经测量的案例：一个发现智能体用内部度量审计自身的知识账本，并发现自己过度声称。
| 评论： | 6 页，2 幅图。配套论文：arXiv:2610.14843 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.32245 [cs.AI] |
| （或 arXiv:2610.32245v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32245 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wenbin Mao [查看邮箱]
[v1]
2026 年 10 月 23 日星期五 06:53:10 UTC（14 KB）
来源：arXiv cs.AI · arxiv.org