🎯 情报来源：量子位
谷歌研究团队最新论文提出，通过大语言模型（LLM）结合树搜索算法，可自动生成超越人类专家水平的科学实证软件。该系统在生物信息学、地理空间分析等多个领域实现突破：单细胞数据分析发现40种新方法，地理空间分析mIoU指标突破0.80，神经科学领域训练速度提升数个数量级。
该方法核心在于将可评分任务（即能通过量化指标评估的任务）的代码生成与优化过程自动化。系统通过注入高被引论文、专业教材等研究思想指导LLM生成代码，再经树搜索筛选最优解。论文在X平台获2.6K点赞，引发关于AI参与科学研究边界的讨论。
💡 核心要点
- 40项超越人类：生物信息学领域生成40种单细胞数据分析新方法，性能超越公开排行榜顶尖方法
- mIoU 0.80+：地理空间分析三个新方法在DLRSD基准测试中均突破0.80关键指标
- 训练效率跃升：神经科学模型训练速度比最佳视频模型快数个数量级
- 2.6K行业关注：论文在X平台获广泛讨论，揭示AI算法自动化的高关注度
- 简易提示词生效：研究团队使用类似”创建得分更高的混合策略！！”的基础指令驱动系统
📌 情报分析
技术价值：极高
突破性地将LLM代码生成与树搜索优化结合，在多个学科实现方法论创新，40项生物信息学新方法的产出证明其技术泛化能力。
商业价值：高
可显著缩短科学软件开发周期（原需数年），地理空间分析0.8+的mIoU指标已具备工业落地潜力，但需验证非实验室环境表现。
趋势预测：高
论文2.6K点赞量反映行业期待，”可评分即可能自动化”的逻辑可能向金融建模、材料研发等领域快速扩展，但需建立AI生成方法的可解释性标准。