AInstein: Can LLMs Solve Research Problems From Parametric Memory Alone?
AInstein：LLM能否仅凭参数记忆解决研究问题？
机构 * LIVIA, ÉTS Montréal（LIVIA，蒙特利尔工程学院） ； Mila – Quebec AI Institute（魁北克人工智能研究所） ； HEC Montréal（蒙特利尔HEC学院） ； ServiceNow Research（ServiceNow研究） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） ； Université de Montréal（蒙特利尔大学） ； Polytechnique Montréal（蒙特利尔理工学院） ； International Laboratory on Learning Systems (ILLS)（学习系统国际实验室）
AI总结 本文提出AInstein框架，测试LLM能否通过迭代批评循环生成和改进解决方案。研究发现LLM在70%的问题上成功，但重新发现已发表方案的比例低于19%，表明真正的解决问题能力。但LLM在跨领域类比迁移时存在局限。
