-
日期: 2026-04-08 | 来源: 新智元 | 有0人参与评论 | 字体: 小 中 大
终，他们通过一个提示就将连续时间下的结果转化为了离散时间的算法陈述，核心创新部分凝练成一页纸的新颖内容，达到了可发表的水平。
这场成功的合作，也改变了Ryu的职业轨迹。此后，他加入了OpenAI的合成数据团队，核心使命正是继续提升模型的数学能力。
AI在各学科百花齐放
不止是数学，理论物理学者Alex Lupsasca也惊讶于当下AI的强力。
他花了数年培养相关技能，又投入了数月时间进行攻关才推出的黑洞潮汐响应方程。
之后,他试着将这个方程交给了GPT-5 Pro，只给予最少的指导。模型进入了「思考」模式。大约18分钟后，它返回了完全相同的对称性生成元。a
AI在短短18分钟内，再现了他以深厚积累和长期努力才获得的关键发现。这一经历促使Lupsasca加入了OpenAI。
他现在的使命，是推动AI在科研中的应用超越一次性的成功案例，迈向可重复、系统化的科学加速。
他的目标是开发更好的工具来阅读和解释论文，构建比单一聊天窗口更强大的工作流，将前沿物理学更深地嵌入模型能力。最终，让研究人员花更少的时间卡在复杂的代数推导中，更多的时间去识别和攻克那些困扰物理学界的最大谜团。
至于生物领域，OpenAI与RetroBioSciences的合作案例生动地展示了AI如何攻克生物学难题的。
RetroBio致力于解决使细胞重编程变得实用和可扩展，从而延长人的寿命。
细胞重编程使用四种「OSKM」因子重置细胞年龄特征，但在老年细胞中，重编程的过程变慢.
Retro的目的是引入新蛋白，加速这一过程，为此OpenAI构建了蛋白质专用基础模型GPT-4B Micro。
与通用模型不同，该模型在多模态生物数据上进行了进一步训练。
GPT-4B Micro生成了数千个候选序列，经过筛选后，RetroBio合成了对应序列，通过慢病毒构建体将其递送到人成纤维细胞中。
后续研究表明，AI生成的蛋白性能与先前最佳工程因子相当，在某些情况下甚至超过当前最优水平。
科学家使用AI有何不同？
2026年1月，OpenAI发布《AI作为科学合作者》的白皮书，用鲜活的案例说明，2026对于科学家来说，AI已可以成为并肩作战的科研伙伴。- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见