LLM 预测神经科学实验准确率达 81%：反超人类专家

科学实验最折磨人的地方，莫过于辛辛苦苦耗费数月甚至几年，最后发现假设根本不成立。

最近 Xiaoliang Luo 和同事的一项新研究显示，大语言模型在预测神经科学实验能否得出阳性结果时，准确率已经超过了人类专家。在测试中，模型的预测准确率达到了 81%，而人类专家的准确率只有 64%。

7B 小模型靠专业文献逆袭

出人意料的是，研究人员并没有调用顶尖的庞大模型，而是选用了一个 70 亿参数、大致相当于 GPT-3.5 级别的小模型。

研究团队利用神经科学领域的学术文献对这个 7B 模型进行了微调，结果发现它的预测表现进一步提升。它不仅能判断某个实验会不会得出预期成果，还能帮科研人员排查哪些研究方向更值得投入精力。

为什么重要

神经科学实验的门槛和耗费极高，如果 AI 能在立项前充当参谋，帮实验室筛掉那些大概率走不通的死胡同，科研资源的利用效率会大幅提升。

我们觉得这项研究最聪明的地方在于模型选型。研究团队没有盲目追求大参数，而是证明了 7B 级别的小模型只要喂透垂直领域的专业文献，就能在专业判断上跑赢人类专家，这给预算有限的科研团队指了一条低成本落地的路。

但这里也有隐患。模型判断的是实验能否得出阳性结论，如果科研人员过度依赖 AI 来挑实验，看起来很容易陷入保守思维，只挑稳妥的做，反而可能扼杀那些在意外和失败中诞生的颠覆性突破。