AIHOT 于 2026-08-16 收录了“MDA让LLM提假设，8次实验追平Opus 4.7”这一公开动态。以下先呈现从来源页面抓取的正文，再给出 AIHOT 摘要与 TopoReduce 编辑解读。
PUBLIC SOURCE CONTENT
正文抓取受限，展示 AIHOT 可用内容公开原文内容
LLMs can suggest scientific mechanisms, but this paper finds that letting the agent choose experimen...
新方法MDA将LLM限定为假设生成器，用贝叶斯推理评分机制、信息价值选择实验，避免让模型自行判断证据含义。在FORCEBENCH上，MDA用8次实验达到未限流Opus 4.7智能体约41次实验的准确率，数值通过率93%对31%。
AIHOT 摘要
新方法MDA将LLM限定为假设生成器，用贝叶斯推理评分机制、信息价值选择实验，避免让模型自行判断证据含义。在FORCEBENCH上，MDA用8次实验达到未限流Opus 4.7智能体约41次实验的准确率，数值通过率93%对31%。
为什么值得关注
它把科学智能体的分工从端到端自主改为假设生成与实验选择分离，8 次实验达到原 41 次的精度，对低成本机制发现流程有直接参考价值。
工程化解读
从 TopoReduce 的工程视角看，这条信息属于“论文与研究”主题。它的价值不只在于一个新产品或新观点本身，还在于说明 AI 系统正在如何影响模型接入、智能体协作、研发流程、基础设施和团队决策。实际采用前，应结合原文确认版本、适用范围、价格和运行条件。
- 发布时间：2026-08-16；AIHOT 分类：论文与研究。
- AIHOT 标签：
- AIHOT 判断：它把科学智能体的分工从端到端自主改为假设生成与实验选择分离，8 次实验达到原 41 次的精度，对低成本机制发现流程有直接参考价值。
- AIHOT 评分：35；评分用于站内排序，不等同于独立评测结论。
TopoReduce 编辑观察
当 AI 动态进入真实生产环境，团队需要同时关注能力边界、数据来源、调用成本、权限控制和可回滚性。把单条新闻放回完整工程链路中阅读，比只看标题更有助于判断它是否适合自己的产品和工作流。