让深渊回望：自适应虚无主义的自主科学发现
计算机视觉与模式识别
2026-04-01 v1
摘要
自主科学发现正进入更危险的领域：一旦评估器被冻结，足够强大的搜索进程可以学会在不学习任务本应揭示的机制的情况下赢得考试。这就是我们标题所体现的概念。让深渊回望，是指让评估主动地对候选人施加压力进行自适应虚无主义，而不是通过静态验证被动地认证。我们引入 DASES，一个以虚无主义为驱动的框架，其中 Innovator、Abyss Falsifier 和 Mechanistic Causal Extractor 在固定科学合同的约束下共同演化可执行科学制品和科学可接受的反例环境。在一个具有单个可编辑位置的受控 loss-discovery 问题中，DASES 拒绝了静态验证会接受的制品，识别了第一个能通过可接受虚无主义边际的候选者，并发现 FNG-CE，这一 loss 能在超出合成发现环境的范围内迁移，并在包括 ImageNet 在内的标准基准测试中持续优于 CE 和 CE+L2。
引用
@article{arxiv.2603.29045,
title = {Let the Abyss Stare Back Adaptive Falsification for Autonomous Scientific Discovery},
author = {Peiran Li and Fangzhou Lin and Shuo Xing and Jiashuo Sun and Dylan Zhang and Siyuan Yang and Chaoqun Ni and Zhengzhong Tu},
journal= {arXiv preprint arXiv:2603.29045},
year = {2026}
}
备注
15 pages, 1 figures, 4 tables