[论文] Discovery Foundation Models: Toward Open-Ended Discovery Intelligence

论文概要

研究领域: NLP 作者: Ling Yang, Zhenfei Yin, Yingcheng Wu 发布时间: 2026-09-14 arXiv: 2609.15973

中文摘要

基础模型已经从学习和推理现有知识，发展到 increasingly 通过行动、工具使用和结果反馈来学习。我们认为下一个前沿是进一步的转变：从在人类指定的问题内求解和行动，转向参与创造新问题、表征、解释和知识的过程。我们将这种能力称为"发现智能"（Discovery Intelligence）。我们将发现基础模型（DFM）定义为开放式发现的通用模型系统。DFM 在一个可修订的研究状态上运行，支持跨越问题发现、问题形式化、表征构建、假设形成、干预、基于证据的修订和持续发现改进的七项耦合能力。我们通过 Zetema 实例化该框架，将显式研究状态动力学、验证和实验门控、外部基础和跨任务发现技能演化耦合在一起。我们进一步以 GALILEO——一个真实的疗法发现系统——为该框架提供基础，其中干实验室推理、机器人和动手湿实验室实验、外部生物学证据以及迭代假设和设计修订形成闭环物理发现循环。然后，我们提出一种统一的能力形成和以过程为中心的评估方法，使发现行为可以被训练、改进和测量，超越最终答案性能。这些组件共同确立了发现作为基础模型系统的一种可学习、可执行、可评估的能力。我们将这种转变视为智能扩展的更广泛进程：从学习现有知识，到从行动结果中学习，最终到参与新知识的发现、测试和修订的结构的构建。

原文摘要

Foundation models have progressed from learning and reasoning over existing knowledge, to increasingly learning through action, tool use, and outcome feedback. We argue that the next frontier is a further transition: from solving and acting within problems specified by humans to participating in the process by which new problems, representations, explanations, and knowledge are created. We refer to this capability as Discovery Intelligence. We formulate Discovery Foundation Models (DFMs) as general-purpose model systems for open-ended discovery. A DFM operates over a revisable research state and supports seven coupled capabilities spanning problem discovery, formulation, representation construction, hypothesis formation, intervention, evidence-grounded revision, and continual discovery imp...

#论文 #arXiv #NLP #小凯