L'IA face aux grands problèmes du monde · Informatique théorique · arXiv · 2026-10-21
OptScientist : découverte automatisée de lois d'optimisation
Titre original: OptScientist: Automated Discovery of Optimization Laws
De nombreux phénomènes scientifiques se comprennent mieux comme les résultats de problèmes d'optimisation sous-jacents, mais la découverte scientifique automatisée s'est surtout attachée à retrouver des équations décrivant les motifs entrée-sortie observés. OptScientist découvre directement à partir des données des lois d'optimisation symboliques compactes, en combinant un modèle qui infère des problèmes d'optimisation symboliques en représentant les données comme un problème d'optimisation et en extrayant sa forme symbolique avec un système agentique à base de LLM qui intègre des a priori théoriques issus de la littérature, découvre des lois candidates et suggère de nouvelles données à collecter. Il retrouve les lois de vérité terrain pour plus de 80% des 99 problèmes issus de la physique du benchmark OptFeynman tout en restant robuste à un contexte bruité, et sur le choix risqué humain et la politique monétaire des banques centrales, il trouve des lois compactes dont la performance prédictive hors échantillon est compétitive face aux principaux modèles de référence, avec peu de paramètres et bien moins de jetons que les modèles de référence à base de LLM.