深度分析
Intern-Atlas:利用 SGT‑MCTS 構建方法演化圖的 AI 研究基礎設施
隨著AI研究代理人需求提升,傳統以論文為核心的資料庫缺乏方法演化的結構描述。Intern-Atlas以超過百萬篇論文建構方法演化圖,將方法實體與因果關係以語意標記的邊連結,並提供可查詢的演化鏈路。實驗顯示其在方法追蹤、點子評估與生成上優於既有基線,為自動化科學探索提供基礎資料層。
深度分析
隨著AI研究代理人需求提升,傳統以論文為核心的資料庫缺乏方法演化的結構描述。Intern-Atlas以超過百萬篇論文建構方法演化圖,將方法實體與因果關係以語意標記的邊連結,並提供可查詢的演化鏈路。實驗顯示其在方法追蹤、點子評估與生成上優於既有基線,為自動化科學探索提供基礎資料層。
深度分析
研究聚焦於 PDE 主導的流體物理,自動探索其高維連續解空間。結合多代理人 LLM 與潛在基礎模型,提供即時低成本的參數化模擬。實驗顯示在 Re=500 雙圓柱流中,自主評估逾千組參數,發現厚度尺度的雙模與線性關係,展現自動科學發現的潛力。