Bringing ML to the real world: rewards are all we need
Notice bibliographique
Résumé
Realizing the promise of artificial intelligence (AI) to accelerate scientific progress and deliver technological impact depends on how effectively AI can be integrated into real-world decision- making processes. As Peter Norvig states, “Somewhat remarkably, almost all AI research until very recently has assumed that the performance measure can be exactly and correctly specified in the form of a utility or reward function”.1 Once the reward function is known, any problem can be formulated as an optimization or search problem – the areas well explored within the AI community. However, while the long-term objectives of a specific activity are often well defined, constructing short-term rewards that remain aligned with those goals and consistent with real- world constraints remains a major unresolved challenge. Such alignment has been achieved in domains like chess, Go, and supervised machine learning problems, where objectives are well defined and easily simulated. However, no universal solution exists for defining intermediate rewards for complex, evolving scientific goals remains an open challenge. Correspondingly, the key to operationalizing automated instruments, integrating multi-instrument self-driving laboratories, and building geographically distributed research facilities is to generate experiment- aligned probabilistic, domain-specific reward functions. These rewards must be consistent with long-term experimental objectives while remaining actionable on the timescales of decision- making on laboratory tools in microscopy and materials synthesis labs – proper reward definition operationalizes scientific intent. Here, we review the extant reward structures in the physical sciences and summarize opportunities for reward design informed by physical principles, human heuristics, and LLM-based reasoning.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».