KI und die schwierigen Probleme der Welt · Theoretische Informatik · arXiv · 2026-10-21
OptScientist: Automatisierte Entdeckung von Optimierungsgesetzen
Originaltitel: OptScientist: Automated Discovery of Optimization Laws
Viele wissenschaftliche Phänomene werden am besten als Ergebnisse zugrunde liegender Optimierungsprobleme verstanden, doch die automatisierte wissenschaftliche Entdeckung konzentrierte sich bisher weitgehend darauf, Gleichungen zurückzugewinnen, die beobachtete Eingabe-Ausgabe-Muster beschreiben. OptScientist entdeckt kompakte symbolische Optimierungsgesetze direkt aus Daten und kombiniert dabei ein Modell, das symbolische Optimierungsprobleme erschließt, indem es Daten als Optimierungsproblem repräsentiert und dessen symbolische Form extrahiert, mit einem LLM-Agentensystem, das theoretische Priors aus der Literatur integriert, Kandidatengesetze entdeckt und neue zu erhebende Daten vorschlägt. Es findet die Ground-Truth-Gesetze für über 80% der 99 Probleme aus der Physik im OptFeynman-Benchmark wieder und bleibt dabei robust gegenüber verrauschtem Kontext; bei menschlichen Risikoentscheidungen und der Geldpolitik von Zentralbanken findet es kompakte Gesetze, deren Vorhersageleistung auf zurückgehaltenen Daten mit führenden Baselines konkurriert, wobei es wenige Parameter und weit weniger Tokens als LLM-Baselines benötigt.