"Прикольная работа с ICLR 2026 Post-AGI Science and Society Workshop про ""чужую"" науку. Как генерить научные гипотезы, чуждые людям. Alien Science: Sampling Coherent but Cognitively Unavailable Research Directions from Idea Atoms __Alejandro H. Artiles, Martin Weiss, Levin Brinkmann, Anirudh Goyal, Nasim Rahaman__ Статья: https://arxiv.org/abs/2603.01092 Код: https://anonymous.4open.science/r/Paper-atomyzer-82F4 Ревью: https://arxiviq.substack.com/p/alien-science-sampling-coherent-but # TL;DR ЧТО сделали: Авторы представили пайплайн, который разбивает тысячи статей по машинному обучению на дискретные «атомы идей», а затем обучает две генеративные модели. Первая максимизирует структурную связность (coherence) комбинаций атомов, а вторая минимизирует их когнитивную доступность (availability) для типичных исследователей. Скомбинировав эти модели, система сэмплирует «инопланетные» направления исследований — строго логичные, но крайне маловероятные для того, чтобы их предложили живые учёные. ПОЧЕМУ это важно: Стандартные языковые модели, когда их просят сгенерировать научные идеи, склонны выдавать высоковероятные, но инкрементальные комбинации, сходясь к узкому спектру до боли знакомых концепций. Формально отделив правдоподобность идеи от того, насколько легко до неё может додуматься человек, этот фреймворк позволяет исследователям намеренно изучать слепые зоны научного сообщества. Это смещает роль ИИ с простого ускорения брейншторминга на дополнение его по-настоящему неочевидными траекториями. Чудить тут: https://t.me/gonzo_ML_podcasts/2668"