异常检测可成为自主实验室的发现筛选器

2026年10月7日，AGI Hunt 刊出作者 bravo_abad 的文章，讨论自主实验室如何筛选“发现”。文章指出，无法用监督学习训练模型识别“发现”，因为发现尚无标注样本，可行方向是转向异常检测。文中以 Isolation Forest 为例说明：用随机特征与阈值构建多棵随机树，孤立点路径短即被判为异常，模型只隐式学习“正常”形态。但文章强调异常不等于有趣——在几千次 DFT 计算中排名靠前的候选，可能混杂亚稳态构型、未收敛运行、错误自旋初始化，甚至解析 bug，因此仍需科学家审查排名后幸存的候选。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。