LLM 預測神經科學實驗準確率達 81%：反超人類專家

科學實驗最折磨人的地方，莫過於辛辛苦苦耗費數月甚至幾年，最後發現假設根本不成立。

最近 Xiaoliang Luo 和同事的一項新研究顯示，大語言模型在預測神經科學實驗能否得出陽性結果時，準確率已經超過了人類專家。在測試中，模型的預測準確率達到了 81%，而人類專家的準確率只有 64%。

7B 小模型靠專業文獻逆襲

出人意料的是，研究人員並沒有呼叫頂尖的龐大模型，而是選用了一個 70 億引數、大致相當於 GPT-3.5 級別的小模型。

研究團隊利用神經科學領域的學術文獻對這個 7B 模型進行了微調，結果發現它的預測表現進一步提升。它不僅能判斷某個實驗會不會得出預期成果，還能幫科研人員排查哪些研究方向更值得投入精力。

為什麼重要

神經科學實驗的門檻和耗費極高，如果 AI 能在立項前充當參謀，幫實驗室篩掉那些大機率走不通的死衚衕，科研資源的利用效率會大幅提升。

我們覺得這項研究最聰明的地方在於模型選型。研究團隊沒有盲目追求大引數，而是證明了 7B 級別的小模型只要喂透垂直領域的專業文獻，就能在專業判斷上跑贏人類專家，這給預算有限的科研團隊指了一條低成本落地的路。

但這裡也有隱患。模型判斷的是實驗能否得出陽性結論，如果科研人員過度依賴 AI 來挑實驗，看起來很容易陷入保守思維，只挑穩妥的做，反而可能扼殺那些在意外和失敗中誕生的顛覆性突破。