Պրեպրինտի առաջարկը. AI, որն օգնում է ձևակերպել հետազոտական հարցերը
Պրեպրինտն առաջարկում է հայեցակարգ AI համակարգերի համար, որոնք օգնում են վերանայել բուն հետազոտության ընթացքը, ոչ թե միայն պատասխանում են հարցերին կամ կիրառում գործիքներ նախապես տրված առաջադրանքում: Սա arXiv-ում նոր ներկայացված պրեպրինտում հեղինակների առաջարկն է, այլ ոչ թե գրախոսված կամ անկախ ստուգված հնարավորությունների ապացույց:
Այս թողարկումն անցել է «Իմանանք»-ի հրապարակման ընդլայնված ստուգումները: Որոշ էական պնդումներ շարունակում են հստակ վերագրվել պաշտոնական կամ ընկերության աղբյուրներին, քանի որ այս թողարկմանը դեռ անկախ աղբյուր կցված չէ: Համակարգը շարունակում է ստուգել հաստատված աղբյուրները և անկախ հաստատումը կավելացնի միայն ամբողջական ստուգում անցած նոր թողարկմամբ:
arXiv-ում տեղադրված նոր պրեպրինտում առաջարկվում են «Բացահայտումների բազային մոդելներ» (Discovery Foundation Models) որպես AI համակարգեր, որոնք նախատեսված են բաց հետազոտություններին մասնակցելու համար՝ ներառյալ առաջադրվող հարցերի, ներկայացումների և հիպոթեզների վերանայումը: Հոդվածը Լինգ Յանգի, Չժենֆեյ Ինի և Ինչեն Վուի պրեպրինտի 1-ին տարբերակն է՝ ներկայացված 2026 թ. սեպտեմբերի 14-ին: Դրա սեղմագիրը ներկայացնում է համակարգային հայեցակարգ և կոնկրետ մոդելներ, սակայն տրամադրված տվյալները չեն հաստատում գրախոսման, վերարտադրելիության կամ արդյունավետության արդյունքները [1]։
01
Ինչ գիտենք այս պահին
- 01
arXiv-ը գրանցել է Լինգ Յանգի, Չժենֆեյ Ինի և Ինչեն Վուի «Discovery Foundation Models: Toward Open-Ended Discovery Intelligence» պրեպրինտը որպես տարբերակ 1՝ ներկայացված 2026 թ. սեպտեմբերի 14-ին [1]։
- 02
Սեղմագիրը DFM-ները ներկայացնում է որպես ընդհանուր նշանակության համակարգեր բաց հետազոտությունների համար՝ յոթ փոխկապակցված հնարավորություններով [1]։
- 03
Սեղմագրում նշվում է Zetema-ն և նկարագրվում է GALILEO-ն թերապևտիկ բացահայտումների համատեքստում՝ առանց տրամադրված տվյալներում անկախ հաստատված արդյունքների [1]։
02
Հրապարակման կարգավիճակ
arXiv-ը սա նշում է որպես պրեպրինտի 1-ին տարբերակ՝ ներկայացված 2026 թ. սեպտեմբերի 14-ին. տրամադրված գրառումը գրախոսման փաստ չի պարունակում։Առաջարկվող գործառնական մոդել
Հեղինակները նկարագրում են վերանայվող հետազոտական վիճակ, ոչ թե սահմանափակ համակարգ, որը միայն տալիս է վերջնական պատասխան տրված հարցմանը։Նշված հնարավորություններ
Սեղմագիրը թվարկում է խնդրի բացահայտում, ձևակերպում, ներկայացման կառուցում, հիպոթեզների առաջադրում, միջամտություն, փաստահեն վերանայում և շարունակական բարելավում։Սա ամփոփում է հեղինակների առաջարկած շրջանակը, ոչ թե անկախ կերպով հաստատված աշխատանքը [1]։
03
Ինչ է նշանակում այս եզրույթը
Հեղինակներն օգտագործում են «Discovery Intelligence» եզրույթը՝ նկարագրելու համար այն առաջարկվող կարողությունը, որը դուրս է գալիս մարդկանց արդեն իսկ սահմանած խնդիրները լուծելու շրջանակից: Ըստ նրանց՝ Բացահայտումների բազային մոդելը (DFM) ընդհանուր նշանակության մոդելային համակարգ է բաց հետազոտությունների համար [1]։
Հետևաբար, տարբերությունը վերաբերում է շրջանակին և գործընթացին: Հարցուպատասխանի համակարգը կարող է արձագանքել տրված հարցմանը, մինչդեռ առաջարկվող DFM համակարգը նաև կօգնի բացահայտել խնդիրները, ձևակերպել դրանք և թարմացնել մոտեցումը նոր փաստերի ի հայտ գալուն զուգահեռ: Սա հեղինակների հայեցակարգային մոտեցումն է, ոչ թե անկախ կերպով հաստատված հնարավորությունների շեմ [1]։
- Հստակ առաջադրանքով համակարգերը սկսում են մարդու տված հարցից կամ խնդրից, իսկ հեղինակները DFM-ները դիրքավորում են որպես ավելի վաղ փուլում մասնակիցներ՝ որոշելով և վերանայելով հետազոտության առարկան [1]։
- Առաջարկվող աշխատանքային միավորը վերանայվող հետազոտական վիճակն է, ոչ թե միայն վերջնական պատասխանը [1]։
- Գործիքների կիրառումն ու արդյունքների հետադարձ կապը ներկայացվում են որպես նախորդ փուլ. ըստ հոդվածի՝ հաջորդ քայլը գիտելիքի զարգացման կառուցվածքների ձևավորմանը, փորձարկմանն ու վերանայմանն օգնելն է [1]։
04
Ինչպես է գործում առաջարկվող մոդելը
Սեղմագիրը հետազոտական գործընթացի շուրջ խմբավորում է յոթ փոխկապակցված հնարավորություն՝ խնդիրների բացահայտում և ձևակերպում, ներկայացումների կառուցում, հիպոթեզների առաջադրում, միջամտությունների իրականացում, փաստերի հիման վրա վերանայում և հետազոտական գործունեության շարունակական բարելավում [1]։
Հոդվածն առաջարկում է նաև գործընթացակենտրոն գնահատում, ինչը նշանակում է գնահատել ոչ միայն այն, թե արդյոք համակարգը տալիս է վերջնական պատասխան: Այնուամենայնիվ, տրամադրված սեղմագիրը բավարար մանրամասներ չի պարունակում այդ առաջարկի հիմքում ընկած չափումները, փորձարկումները կամ համեմատական արդյունքները պարզելու համար [1]։
05
Ինչ են ցույց տալիս Zetema-ն ու GALILEO-ն, և ինչ՝ ոչ
Հեղինակները նշում են, որ համակարգային հայեցակարգը գործնականում մարմնավորել են Zetema-ում և քննարկում են GALILEO-ն որպես թերապևտիկ բացահայտումների համակարգ՝ փակ ֆիզիկական հետազոտական ցիկլով: Այդ նկարագրությունները ցույց են տալիս առաջարկվող մոդելի նախատեսված կիրառությունը [1]։
Այստեղ տրամադրված տվյալները չեն ապացուցում, որ այդ համակարգերից որևէ մեկը գործում է անխափան, գերազանցում է այլընտրանքներին, կարող է վերարտադրվել կամ գրանցել է հաստատված թերապևտիկ արդյունքներ: Ընթերցողները պետք է տարանջատեն հայեցակարգի առաջարկը փաստացի ապացուցված արդյունքների մասին ցանկացած պնդումից [1]։
- Zetema-ն ներկայացվում է որպես համակարգ, որը միավորում է հետազոտական վիճակի դինամիկան, ստուգման ու փորձարարական փուլերը, արտաքին փաստերի ամրագրումը և բացահայտման հմտությունների զարգացումը տարբեր առաջադրանքներում [1]։
- GALILEO-ն նկարագրվում է որպես համակարգ, որը կապում է տեսական («dry-lab») դատողությունները, ռոբոտացված և գործնական («wet-lab») լաբորատոր փորձարկումները, արտաքին կենսաբանական տվյալներն ու փուլային վերանայումները [1]։
06
Ինչու է այս տարբերակումը կարևոր
Առաջարկն ուշադրությունը տրված առաջադրանքը կատարող AI-ից տեղափոխում է դեպի AI, որը կոչված է օգնելու կառավարել զարգացող հետազոտությունը: Խորը մշակման և խիստ գնահատման դեպքում դա կպահանջի փաստեր ոչ միայն պատասխանների, այլև խնդիրների ընտրության, վերանայումների, ստուգման և փորձարարական որոշումների կայացման վերաբերյալ: Վերջինս հեղինակների հայեցակարգային ձևակերպման հետևանքն է, ոչ թե տրամադրված գրառման մեջ առկա ապացուցված արդյունք [1]։
Առայժմ հստակ իրադարձությունը պրեպրինտի ներկայացումն է: Դրա առաջնային գրառումը հասանելի է https://arxiv.org/abs/2609.15973v1 հասցեով [1]։
07
Ինչ կարող են անել ընթերցողները
Հեղինակների սեղմագրին և ներկայացված տվյալներին ծանոթանալու համար դիտարկեք arXiv-ի առաջնային գրառումը։ Այս աշխատանքը պետք է դիտարկել որպես ուսումնասիրության ենթակա նախագծային առաջարկ, ոչ թե համակարգի գործնական հնարավորությունների ապացուցված նկարագրություն [1]։
- 01
Առաջնային աղբյուր՝ https://arxiv.org/abs/2609.15973v1
- 02
Zetema-ի կամ GALILEO-ի վերաբերյալ եզրակացություններ անելուց առաջ սպասեք ամբողջական հոդվածի փորձարկումներին, բենչմարքերին և վերարտադրելիության նյութերին [1]։
- 03
Սեղմագրի մակարդակի նկարագրության հիման վրա մի՛ արեք թերապևտիկ կամ այլ գործնական արդյունքների վերաբերյալ ենթադրություններ [1]։
08
Այս թողարկման սահմանափակումները
Այս նյութը հիմնված է arXiv-ի գրառման և տրամադրված սեղմագրի վրա, ոչ թե ամբողջական աշխատանքի անկախ գնահատման [1]։
Տրամադրված տվյալները չեն փաստում գրախոսում անցնելու, կոնկրետ փորձարարական արդյունքների, բենչմարքերի, համեմատական արդյունավետության, վերարտադրելիության կամ հղված կոդի և կայքի նյութերի առկայության ու բովանդակության մասին [1]։
Թերապևտիկ բացահայտումների օրինակը հեղինակների նկարագրությունն է. տրամադրված աղբյուրն անկախ կերպով չի հաստատում թերապևտիկ արդյունքները [1]։
SRC
Աղբյուրների բաժին
Ուղիղ հղումներ այս ընտրանու հիմքում եղած նյութերին: Աղբյուրը տեսնելը նույնքան կարևոր է, որքան սինթեզն ընթերցելը:
Շարունակել ընթերցումը
6 սեպ, 2026 թ.
Պրեպրինտում համեմատվում են օժանդակ տեսադաշտերն ու փաստաթղթերի կրկնությունը LLM-ների ուսուցման մեջ
Հեղինակները հայտնում են, որ իրենց վերահսկվող փորձերում ֆիքսված թոքենային բյուջեի պայմաններում օժանդակ տեսադաշտերը՝ գիտելիքի վերաձևակերպումները, բարելավել են ուսուցումը՝ փաստաթղթերի հավելյալ կրկնության համեմատ: Սա պրեպրինտի կոնկրետ արդյունք է, ոչ թե ապացույց, որ բազմազան կամ սինթետիկ տվյալները միշտ ավելի լավն են: Մասշտաբի, մեթոդների, ծախսերի և վերարտադրելիության վերաբերյալ կարևոր մանրամասները բացակայում են ներկայացված համառոտագրից: [1]
6 սեպ, 2026 թ.
SBS պրեպրինտն առաջարկում է տեսողական ուղղորդմամբ անցումների հայտնաբերում խիտ ենթագրավորման համար
SBS-ը հեղինակների կողմից նկարագրված պրեպրինտային մեթոդ է, որն օգտագործում է տեսալեզվական մոդելների կադրային նկարագրությունները՝ տեսանյութի իրադարձությունների միջև անցումները գտնելու և ժամանակային սահմանները ճշգրտելու համար: Հեղինակները հայտնում են երկու շտեմարանում գրանցված առաջատար արդյունքների մասին, սակայն arXiv-ի էջում թվային տվյալներ, կոդ կամ անկախ գնահատականներ չկան:
10 սեպ, 2026 թ.
IdeaAMBIG-ը բացահայտում է տարբերություն մեթոդի բացերը գտնելու և դրանք հստակեցնելու միջև
IdeaAMBIG պրեպրինտի հեղինակները մեծ տարբերություն են արձանագրել լեզվական մոդելների՝ բաց թողնված իրականացման մանրամասները հայտնաբերելու և արդեն նշագրված թերությունը հստակեցնելու ունակությունների միջև: Ըստ նրանց բենչմարկի՝ իրական բացերի վերականգնման լավագույն արդյունքը կազմել է 9.6%, մինչդեռ նշված թերության դեպքում հստակեցման հաջողության ցուցանիշը հասել է 80.6%-ի: Սրանք մեկ չգրախոսված arXiv պրեպրինտի հեղինակների կողմից ներկայացված տվյալներ են: