大規模言語モデルはいかに科学的方法を再構築するか：仮説から発見への探求
本稿综述了大型语言模型（LLMs）在科学研究中的作用，涵盖了从假设检验到发现的各个阶段的应用。研究指出，LLMs已成为实验设计、数据分析和工作流程中的技术工具，但要成为有效的“创意引擎”，需要与人类科学目标协同，并结合数据驱动与符号系统的混合引擎。
記事
テック・ロジック
主流の物語になる前に産業の力関係を変える技術システム、ボトルネック、標準を追跡します。
分析を読む
AGI/特異点：分析10000个预测的深度洞察
本文は、AIMultipleプラットフォームを用いた10,000件の予測の分析に基づき、AGIと技術的特異点に関する様々な予測について探求し、読者に包括的で深い業界の洞察を提供するものです。
アランによるAGIへの保守的なカウントダウン：物理的具現化から汎用知能へのマイルストーン
Alan D. Thompsonは、AGIに対する保守的な定義を提唱し、AGIは物理世界で行動する能力を持つべきだと強調している。彼は、現在のLLMが認知能力において進歩を遂げているものの、具身化（Embodiment）に関しては依然として大きな隔たりがあることを指摘している。本稿では、AGIの定義、物理的な具身化の必要性を整理し、2026年以前のAI開発における重要な技術とモデルの節目を列挙している。
科学的方法における大規模言語モデルの役割の探求：仮説から発見へ
大規模言語モデル（LLM）は、文献検索、仮説生成から実験設計、データ分析に至るまで、科学研究のあらゆる段階に徐々に浸透しつつある。LLMは科学研究の生産性向上において大きな可能性を示しているものの、基礎科学の発見における実際の影響は依然として限られている。本稿では、科学的方法におけるLLMの既存の応用と将来の可能性を概観し、LLMを科学プロセスに深く統合し、人類の科学目標と整合させ、明確な評価指標を確立する必要性を強調する。
大規模言語モデルの科学的方法における役割の探求：仮説から発見へ
本稿は、大規模言語モデルが科学研究の各段階をどのように強化するかを概観し、基礎科学分野におけるその限界を指摘し、人間の科学目標との整合、明確な評価指標の確立、そしてLLMsの深い統合に向けた提案を行う。
AGIには世界モデルが必要：現状と展望
本稿は、DeepMind CEOであるDemis Hassabis氏が、AGI実現における世界モデルの重要な役割について述べた論考を振り返り、Google Genie、Tesla FSD、NVIDIAのシミュレーションプラットフォーム、そしてYann LeCun氏などによるこの分野の研究現状を分析したものである。