Causal Representation Learning

深度分析

Mechanistic World Models：將 AI 從預測工具轉化為自主科學發現引擎

當前 AI 雖能精準預測蛋白質結構或天氣，但仍缺乏對底層邏輯的解釋能力。研究提出 Mechanistic World Models (MWMs) 框架，將學習核心從預測觀察轉向建模可重複使用的機制。透過變數、機制與結構的共同發現，讓 AI 能提取不變的結構化抽象。此範式有望讓 AI 從單純的預測工具進化為能自主進行科學發現的洞察引擎。