Vai al contenuto
AI.info

Ricerca

Discovery Foundation Models: verso un’intelligenza della scoperta aperta

I modelli fondazionali sono passati dall’apprendere e ragionare sulle conoscenze esistenti a un apprendimento sempre più basato sull’azione, sull’uso di strumenti e sul feedback relativo ai risultati.

Discovery Foundation Models: verso un’intelligenza della scoperta aperta
arXiv
2609.15973
Pubblicato
2026-09-14
Autori
Ling Yang, Zhenfei Yin, Yingcheng Wu

Abstract degli autori

I modelli fondazionali sono passati dall’apprendere e ragionare sulle conoscenze esistenti a un apprendimento sempre più basato sull’azione, sull’uso di strumenti e sul feedback relativo ai risultati. Sosteniamo che la prossima frontiera sia un’ulteriore transizione: dal risolvere problemi definiti dagli esseri umani e agire al loro interno al partecipare al processo con cui si creano nuovi problemi, rappresentazioni, spiegazioni e conoscenze. Chiamiamo questa capacità Discovery Intelligence. Definiamo i Discovery Foundation Models (DFMs) come sistemi di modelli generalisti per la scoperta aperta. Un DFM opera su uno stato della ricerca rivedibile e supporta sette capacità interconnesse: individuare i problemi, formularli, costruire rappresentazioni, formulare ipotesi, intervenire, rivedere quanto emerso alla luce delle evidenze e migliorare continuamente il processo di scoperta. Realizziamo questo quadro con Zetema, che combina dinamiche esplicite dello stato della ricerca, verifica e selezione preliminare degli esperimenti, ancoraggio esterno ed evoluzione delle Discovery Skill trasversale ai diversi compiti. Diamo inoltre un fondamento concreto al quadro con GALILEO, un sistema reale di scoperta terapeutica in cui il ragionamento Dry-Lab, la sperimentazione Wet-Lab robotica e manuale, le evidenze biologiche esterne e la revisione iterativa delle ipotesi e del design formano un ciclo chiuso di scoperta nel mondo fisico. Formuliamo poi un approccio unificato allo sviluppo delle capacità e alla valutazione incentrata sul processo, che consente di addestrare, migliorare e misurare la capacità di scoperta oltre le prestazioni della risposta finale. Nel loro insieme, questi componenti fanno della scoperta una capacità dei sistemi basati su modelli fondazionali che può essere appresa, messa in pratica e valutata. Consideriamo questo passaggio parte di una più ampia progressione nello sviluppo dell’intelligenza: dall’apprendimento sulle conoscenze esistenti all’apprendimento dai risultati delle azioni, fino alla partecipazione alla costruzione, alla verifica e alla revisione delle strutture attraverso cui si scoprono nuove conoscenze. Codice: https://github.com/Gen-Verse/DFM-Plans

Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.

Leggi il paper originale su arXiv